智能决策支持系统中的知识表示及基于粗集的知识推理

《智能决策支持系统中的知识表示及基于粗集的知识推理》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、智能决策支持系统中的知识表示及基于粗集的知识推理论域U有关决策属性D上的R的商集，记为U/RD；定义U/RB中的等价类为事件，则U/RC为条件事件，U/RD为决策事件。则决策事件有关条件属性的上近似为则决策事件有关条件属性的下近似为　　设有两集合族G、R，其中r是R中的某一等价关系，如pos（R-{r}）（G）=posR（G），则称r是有关G可省略的，否则为G不可省略的。如R中的任意元素是不可省略的，称R是独立的。设　，H是独立的，若posH（G）=posR（G），则称H为R的G简化（Reductio

2、n），从定义可知，G有关H和R的下近似是相同的，即维持了和R相同的分类能力。R中所有不可省略关系的交集，称为R的核（Core），记为core（R），即core（R）＝∩red（R）．核中的属性是影响分类的重要属性。　事件依靠性的度量Ci为U/RC中的条件事件，Dj为U/RD中决策事件，设决策事件依靠于条件事件的程度为映射CFij：Ci→Dj，且CFij=card（Ci∩Dj）/card（Ci）如条件事件Cj属于或包含于决策事件Dj的下近似C_（Dj）时，CFij=1；如条件事件Cj属于或包含于时，CF

3、ij=0。　基于粗集的知识推理根据前面的先容，知识表达系统将论域描述为一个二维表格，每一行描述一个对象，每一列描述一个属性，属性分别为条件属性和决策属性。知识推理的过程，首先要进行条件属性的化间，消往重复行，然后对每一决策规则进行冗余属性的简化。一般情况下，一个知识表达系统的简化不止一种，这些简化都维持了和原有条件属性相同的分类能力，因此要得到使用意义上的最小决策规则就要公道地选择有效属性来正确或近似地表征探究的论域。普通情况下，决策者会拥有对各条件对象的属性权重的先验知识，权重用来衡量属性的相对重要

4、性。在不同的决策环境下，相同的属性对决策输出会有不同的影响，即权重对环境敏感。粗集理论中的属性依靠度即表达了在当前的数据环境下属性对决策规则的影响，但它不能反映决策者的先验知识，因此，将二者结合作为选择有效属性的准则不失为一种公道的解决方案。具体实现步骤如下：Step1：提出论域中各条件属性和决策属性组成二维数据视图即决策规则表；Step2：确定数据分类标准，将各属性值以标准化方式表达，消往冗余属性；假如该知识表达系统的决策规则不相容，则可将它分为两个子表，一个表为相容决策表；另一个表为不相容决策表．

5、不相容决策表是由当前信息不能被推理的知识，所以只处理相容决策表。Step3：计算各属性在当前数据信息环境下的重要性，及属性的依靠度；对于每一子属性的依靠度,可由前面定义的决策条件事件依靠度取得。当然，也可　Rough　Sets.International　Journal　of　Information　and　puter　Science,1982,11Paic,1991.曾黄麟．粗集理论及其应用．重庆大学出版社，1996王珏，苗夺谦，周育健．有关RoughSet理论和应用综述．模式识别和人工智能，199

6、6.9．陈　挺．决策分析．科学出版社，1997Lin,T.Y.,andCercone,N.,Eds.RoughSetsandDataMining.Kluic.1997.Mrozek,A.,andPlonka,L.Roughsetsinindustrialapplications.InRoughSetsinKnowledgeDiscovery,Vol.2.L.PolkowskiandA.Skowron,Eds.PhysicaVerlag,1998.　[8]韩祯祥，张　琦，文福诠．粗集理论极其应用综述．控

7、制理论和应用，1999，4.