粗糙集理论及其应用发展综述(4)

模糊粗糙集理论

578重庆工商大学学报　(自然科学版)　　　　　　　　　　　　　　　第21卷粗糙集理论与证据理论虽有一些相互交叠的地方,但本质不同,粗糙集使用集合的上、下逼近而证据理论使用信任函数(belieffunction)作为主要工具。粗糙集对给定数据的计算是客观的,无须知道关于数据的任何先验知识(如概率分布等),而证据理论则需要假定的似然值(plausibility)。

将粗糙集与模糊集结合,可以弥补粗糙集理论在描述属性集合中的不足,又易于对系统的描述特征进行优选,两者的有机结合可以构成粗糙集—模糊集智能信息处理系统。该系统利用粗糙集和模糊集在处理不完善、不准确性知识中的优势,大大降低了处理信息的维数和计算特征值的工作量,也降低了系统的复杂程度。

3.2　粗糙集与神经网络、知识工程、遗传算法、自动控制的关系

神经网络在自组织自学习自适应处理中的能力给人们留下了比较深刻的印象,其自身的学习能力(特别是在自动知识获取方面)也急需提高和改善(递归神经网络和RBF网)为例,后者的训练过程又不能过于依赖及函数形式,,。由于RBF,。

]和创造性思维等令人注目。关于人工智能(主要)[9,10],同时知识工程的进展还是比较大。例如曾进行[11]国际上对智能系统的问题求解技术历来是重视的,现已深化到非线性动力[12],对此采用的关键技术应该是被称为“数据采矿”的创造性知识发现系统,而这正是粗糙集理论的针对性所在。

如前所述,粗糙集的推理过程是必须有一定的机制来实现的。在现有的各种算法中,反映自适应演化的遗传算法是一种好的形式,在这方面人们也已经取得了某些成果,例如著名的LERS系统就采用了遗传算法的BBA(Buckerbrigadealgorithm)过程,实践证明遗传算法是可以与粗糙集的推理过程相结合的。

历经半个多世纪的努力,自动控制已经发展成相当丰富的科学体系,但是复杂系统对象仍然是一个难点,例如,在计算机控制系统中,由于离散采样、反馈延迟、动态系统优化等原因就会引发混沌,其中包括著名的Henon映射形式,而鲁棒控制要求系统应具有“混沌控制”能力[13],这样非线性动力系统(混沌)的辨识,就是鲁棒性混沌控制器的基本和重要的一项工作。从历史的逻辑角度看,粗糙集会对设计鲁棒非线性控制和开发系统提供功能更强的理论手段。

粗糙集理论与神经网络、知识工程遗传算法、自动控制之间具有交叉关系,其中知识工程和粗糙集理论均以知识处理作为共同的对象,两种技术在应用场合可起到相辅相成的作用;遗传算法属于粗糙集构造中可使用的一种工具与某些神经网络具有一定的语义联系;自动控制已成为粗糙集理论的一个重要的应用场所。

4　结束语

虽然RS至今只有20a的发展历史,但取得的研究成果是令人瞩目的。它是一种较有前途的软计算方法,为处理不确定性信息提供了有力的分析手段。相信RS具有广阔的发展空间,今后会在更多的实际领域中发挥作用。

参考文献:

[1]PAWLAKZ.Roughsets[J].CommunicationsofACM,1995,38(11):89-95

[2]PAWLAKZ.Vaguenessanduncertainty-aroughsetperspective[J].ComputationalIntelligence,1995,11(2):227-232

[3]YAHIAM,MAHMODRR,SULAIMANNN.Roughneuralexpertsystems[J].ExpertsystemwithApplications,2002,18:87-99

[4]ALVATOREG,BENTTOM,ROMANS.Roughsettheoryformulticriteriadecisionanalysis[J].EuropeanJournalofOperational

Research,2001,129:1-47

[5]PADMINIS,DONALDH.Vocabularyminingforinformationretrieval:roughsetsandfuzzysets[J].InformationProcessingandMan2agement,2002(37):15-38