粗糙集理论及其应用发展综述(3)

模糊粗糙集理论

第6期　　　　　　　　　　　　　　　代春艳:粗糙集理论及其应用发展综述577成称之为粗糙神经专家系统的混合结构。前者作为结构中神经网络的预处理器,为预处理粗糙引擎,而将后者加入该结构形成粗糙神经推理引擎的推理引擎新结构,随之设计为一种新知识库结构,其结构基于神经网络与粗糙分析约简的结合上。该系统应用于医学诊断,并通过肝炎病例的检测。

(3)粗糙集应用于决策分析。在决策分析方面,粗糙集理论的决策规则是在分析以往经验数据的基础上得到的,它允许决策对象存在一些不太明确的属性。希腊发展银行ETEVA应用粗糙集理论协助制订信贷政策,是粗糙集理论多准则决策方法的一个成功范例。另外,由意大利卡塔亚大学学者SalvatoreGre2co和波兰波兹纳特大学的RomanSlowinshi[4]提出可以将粗糙集应用于多标准决策分析。

(4)粗糙集和模糊集在词汇挖掘中的应用。美国LowaUniversity和LouisianaStateUniversity的PadminiSrinivasan、MiguelE.Ruiz[5]等人指出,。通常用户的查询对检索主题并不是优化的,词汇挖掘允许概括、,以提高查询性能。该文研究了一种新的词汇挖掘机制,文本查询既可以使用权重即模糊表示,,还解决了多词汇视图的问题。。该机制支持语义(5)G和Ziarko[6]应用粗糙集理论分析了10a股票的历史数据,研,获得的预测规则得到了华尔街证券交易专家的认可。

(6)。在医疗诊断方面,用粗糙集方法根据以往病例归纳出诊断规则,用来指导新的病例。人工预测早产准确率只有17%～38%,应用粗糙集理论可提高到68%～90%[7]。

RS理论的应用领域还包括:地震预报、冲突分析、近似推理、软件工程数据分析、图像处理、材料科学中的晶体结构分析、预测建模、结构建模、投票分析、电力系统等。

2.3　国际上有关粗糙集的软件研制概况

目前,国际上研究粗糙集的机构和个人开发了一些应用粗糙集的实用化软件,也出现了商业化的软件。加拿大ReductSystemInc.公司开发的用于数据库知识发现的软件DataLogicR是用C语言开发的,可安装在个人计算机上,为科研领域和工业界服务。

美国肯萨斯大学开发了一套基于粗糙集的经验学习系统,名为LERS(LearningfromExamplesbasedonRoughSets),它能从大量经验数据中抽取出规则。LERS已被美国国家航空航天管理局(NASA)的约翰逊(Johnson)空间中心采用,作为专家系统开发工具,为(Freedom)空间站上的医疗决策服务。美“自由号”

国环境保护署(USEnvironmentalProtectionAgency)资助的一个项目中也采用了LERS。波兰波兹南工业大学(PoznanUniversityofTechnology)开发的软件RoughDAS和1995-2004TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.RoughClass,也在不少实际领域中得到应用。加拿大Regina大学开发的KDD-R是用C编写的,在UNIX环境下运行,KDD2R基于变精度粗糙集模型(VariablePrecisionRoughSet,VPRS),通过改变粗糙程度而使数据中隐含的模式更清楚的显示出来。

3　粗糙集与其相关理论和领域的关系

鉴于粗糙集发展过程的历史渊源和交叉前沿学科的特点,有必要对粗糙集理论和其他相关理论和相关领域的关系加以阐述。

3.1　粗糙集与模糊集、证据理论的关系

粗糙集与模糊集都能处理不完备(imperfect)数据,但方法不同,模糊集注重描述信息的含糊(vague2ness)程度,粗糙集则强调数据的不可辨别(indiscernibility)、不精确(imprecision)和模棱两可(ambiguity)。使用图像处理中的语言来做比喻,当论述图像的清晰程度时,粗糙集强调组成图像像素的大小,而模糊集则强调像素存在不同的灰度。粗糙集研究的是不同类中的对象组成的集合之间的关系,重在分类;模糊集研究的是属于同一类的不同对象的隶属的关系,重在隶属的程度。因此粗糙集和模糊集是两种不同的理论,但又不是相互对立的,它们在处理不完善数据方面可以互为补充。