基于粗集理论的属性处理方法和模糊规则提取及应用研究

摘要

粗集理论(Rouhgsets)是一种能有效地分析不精确、不一致、不完整等各种不完备信息的数学工具,它可以对数据进行分析和推理,从中发现隐含的知识,揭发潜在的规律.该文针对RS理论在实际应用中的局限性和不足之处,提出了新的属性处理方法,并结合粗集理论和模糊数学理论提取了一种新的规则提取算法,最后探讨了粗集在数字电路中的应用.

目录

文摘

英文文摘

第一章绪论

§1.1引言

§1.2国内外对粗集理论的研究现状

§1.3本文的主要研究内容

第二章粗集的基本理论

§2.1知识与分类

§2.1.1分类

§2.1.2知识的等价、推广和特化

§2.2非精确性与近似

§2.2.1粗集与近似集

§2.2.2近似集的性质

§2.2.3近似和成员关系

§2.2.4非精确性的特征

§2.2.5分类的近似

§2.2.6集合的粗等价

第三章知识表达系统的约简及规则提取

§3.1知识表达系统的约简

§3.1.1决策表

§3.1.2最佳属性的约简算法

§3.2规则的提取

§3.2.1规则提取基本算法

§3.2.2带Rough算子的决策规则

§3.3可变精度的粗集模型

§3.3.1变精度模型

§3.3.2模型的增量式学习

第四章属性处理、模糊规则提取和粗集理论应用

§4.1单一属性分类的约简

§4.2连续属性的离散化

§4.3粗集的模糊规则提取

§4.4粗集理论在数字电路中的应用

第五章总结

致谢

参考文献