知识发现、决策支持与分析、专家系统、智能控制、模式识别等众多领域中[2]。实践应用及开发粗糙集模型数据挖掘软件表明经典粗糙集模型存在一些局限[41]:(1)分类必须完全正确或确定。经典粗糙集模型中,分类建立在经典集合论观点上,不允许分类具有不确定程度或错误。(2)粗糙集理论基于一个前提:所考虑数据对象的论域已知并且所有从这个模型中得到的规则仅仅适合于该模型中的对象。针对经典粗糙集模型容噪声能力差、规则泛化程度不高的缺陷,Ziarko.W教授提出变精度粗糙集模型思想[4]。变精度粗糙集模型通过引入分类错误率β,将集合论标准包含关系扩展为多数包含关系,在分类过程中允许一定程度的噪声数据存在[5]。1.2?粗糙集理论的发展及国内外现状总述粗糙集理论(RougeSets)最初是由波兰数学家Z.Pawlk于1982年在他的一篇经典论文《RougeSets》中提出的[38]。1991年Z.Pawlk出版了他的专著,全面系统地阐述了该理论,1992年又出版了《粗糙集应用专集》,促进了粗糙集在各个领域的应用[6]。自1992年以来每年召开以粗糙集为主题的国际会议,国际上成立了粗糙集学会,这些都加速了粗糙集理论的发展与交流。2003年10月第九届粗糙集国际研讨会“9thInternational?ConferenceonRoughsets,Fuzzysets,puting(RSFDGrC2003)”在重庆召开。会上集中展示了有关粗糙集理论的最新成果和研究动向,确立了网络智能、粒计算等粗糙集研究新领域。可以这样说,目前RoughSets理论已经成为国际上人工智能研究的热点。目前国际上己经开发出一些粗糙集的实验系统和实用系统。挪威科技大学和波兰华沙大学合作开发的Rosetta是一个基于Rough集理论框架的表格数据逻辑分析工具包。美国堪萨斯大学开发的基于Rough集的实例学习系统LERS。此外还
全文预览
