知识获取中的Rough Sets理论及其应用研究

摘要

第一章主要是粗糙集理论综述,包括以下四部分:粗糙集理论的基本概念;粗糙集理论区别于其它智能理论的特点;粗糙集理论比较常用的应用软件;粗糙集理论的研究方向,包括理论研究和应用研究.然后对知识获取进行了概述,最后介绍了论文研究的内容和论文结构.第二章在引入知识信息熵及互信息概念的基础上,详细讨论了粗糙集理论中知识粗糙性与信息之间的关系,从信息的角度对知识粗糙性给出了定量的刻划.第三章提出了基于粗糙集理论的信息系统属性重要性评价方法.第四章首先介绍了信息系统属性离散化的意义、步骤、分类和几种现有的方法.然后利用决策表相容性的反馈信息,提出了一种领域独立的连续属性划分的算法.最后将该算法与目前已有的几种方法做了比较分析,得到了令人满意的结果.第五章研究了信息系统的约简算法.第六章首先介绍了信息融合技术的现状、研究方向和存在的问题.然后将粗糙集理论引入多传感器信息融合领域,利用它处理数据的超强能力来融合传感器信息,以提高融合速度,增强系统的决策能力.第七章对全文所做的工作进行了总结.

目录

文摘

英文文摘

第一章绪论

1.1粗糙集理论的基本概念

1.1.1知识表达和信息系统

1.1.2粗糙集合

1.1.3知识的化简

1.1.4知识的依赖性

1.1.5决策系统

1.2粗糙集理论的特点

1.3粗糙集理论的应用软件

1.4粗糙集理论的研究方向

1.4.1粗糙集理论的理论研究

1.4.2粗糙集理论的应用研究

1.5知识获取

1.6论文研究的内容和结构

1.6.1主要研究内容

1.6.2论文结构

第二章知识粗糙性与信息的关联

2.1概述

2.2知识的粗糙性

2.3知识的信息熵与互信息

2.3.1知识的概率分布

2.3.2知识的信息熵与互信息

2.4知识粗糙性与信息的关系

2.5信息熵对知识不确定性的测量

2.5.1不确定性测量方法

2.5.2信息熵在粗糙集理论中的应用

2.6无决策时RS的信息表示

2.6.1主要概念的信息表示

2.6.2信息表示与代数表示的等价性

2.7有决策时RS的信息表示

2.7.1主要概念的信息表示

2.7.2信息表示与代数表示的等价性

2.8结论

第三章信息系统属性的重要性评价

3.1概述

3.2 K-W检验法

3.2.1 K-W检验法简介

3.2.2例证分析

3.3不确定信息测度方法

3.3.1方法介绍

3.3.2例证分析

3.4基于粗糙集理论的评价方法

3.4.1知识与不可分辨关系

3.4.2知识表达系统

3.4.3基于粗糙集理论评价系统属性重要性

3.5几种方法的比较

3.5.1 K-W检验法与基于粗糙集方法的比较

3.5.2比较分析

3.6粗糙集方法与概率统计方法的统一协调性

3.7结论

第四章信息系统属性的离散化方法

4.1概述

4.2离散化的意义、步骤和分类

4.2.1离散化的意义

4.2.2离散化的步骤

4.2.3离散化的分类

4.3现有的离散化方法

4.3.1三种主要的方法

4.3.2其它离散化方法

4.4基于动态层次聚类的连续属性离散化算法

4.4.1层次聚类算法

4.4.2基于动态层次聚类的离散化算法

4.4.3离散属性的划分是本算法的特例

4.5与其它方法的比较

4.5.1与L方法的比较

4.5.2与S方法的比较

4.6结论

第五章信息系统的规则约简与值约简

5.1概述

5.2一种实值属性规则约简方法

5.2.1方法的理论基础

5.2.2规则约简方法

5.2.3实验验证

5.3模糊属性规则约简方法

5.3.1关于模糊集的概率方法

5.3.2模糊属性规则的约简

5.3.3实验验证

5.4值约简算法RSVR

5.4.1问题的提出

5.4.2算法描述

5.4.3算法举例

5.4.4实验分析

5.5总结

第六章基于Rough Sets理论的信息融合

6.1概述

6.2信息融合技术的现状和研究方向

6.3信息融合技术存在的问题

6.4基于Rough Sets理论的多传感器信息融合

6.5结论

第七章总结与展望

7.1工作总结

7.2进一步工作展望

参考文献

附录

攻读博士学位期间完成的论文和项目

致谢