论文部分内容阅读
粗糙集理论是上世纪八十年代初由波兰学者Pawlak首次提出的一种用于数据分析的数学理论,粗糙集理论的一个核心问题是知识约简.经典粗糙集是在等价关系上研究知识约简,这样不利于研究大多数模型的知识发现.集值信息系统是Pawlak粗糙集模型的一个推广,在集值信息系统中定义知识约简并给出约简方法,这对粗糙集理论发展具有很重要的意义.主要内容如下：本文研究了基于相似度的集值信息系统的知识约简.把相似度引入到集值信息系统中,给出在相似水平和阈值下的基于相似度的集值信息系统的知识约简及可辨识矩阵,从而得到基于相似度的集值信息系统的知识约简的具体操作方法.在集值目标信息系统中引入邻域关系,研究基于邻域关系的协调集值目标信息系统和不协调集值目标信息系统的知识约简,给出基于邻域关系的协调集值目标信息系统和不协调集值目标信息系统知识约简的判定定理及可辨识矩阵.进一步研究了基于邻域关系的集值目标信息系统的属性特征及判定定理.证据理论是信息融合技术中一种有效的不确定推理方法.粗糙集理论与Dempster-Shafer证据理论之间有许多相似之处,本文将证据理论应用到基于邻域关系的集值目标信息系统中,给出了基于证据理论的协调集值目标信息系统知识约简的具体方法.