Rosetta简易教程 Rosetta简易教程是基于粗糙集理论的知识体系,旨在帮助读者轻松学会Rosetta。该教程涵盖了粗糙集理论的基本概念、应用和历史发展等方面。 粗糙集理论的历史发展是从20世纪70年代开始的,由波兰数学家Z. Pawlak和一些波兰科学院、波兰华沙大学的逻辑学家们共同研究的。1982年,Z.Pawlak发表了论文“Rough Set”,宣告了RS的诞生。1991年,Z.Pawlak出版了著作“Rough Sets: Theoretical Aspects of Reasoning about Data”。1992年,召开了首次国际研讨会,应用专集。从此,粗糙集理论在数据挖掘、模式识别、粗糙逻辑等方面取得了很大的进展。 粗糙集理论的主要思想是利用已知的知识库,将不精确或不确定的知识用已知的知识库中的知识来(近似)刻画。粗糙集理论的基本观点是将知识理解为对数据的划分,每一被划分的集合称为概念。 粗糙集理论的基本概念包括信息系统、知识、不可分辨关系、等价关系、下近似、上近似、边界域、粗糙度、粗糙隶属函数等。 信息系统是四元组(U,Q,V,f),其中U是对象集合,Q是属性集合,V是属性的值域,f是一种映射,反应对象集合之间的值。信息系统实例包括对象集合、属性集合、值域和映射等。 知识是基于分类能力的,人们的行为是基于分辨现实的或抽象的对象的能力。那些根据事务的特征差别将其分门别类的能力都可以看作是某种“知识”。知识是有粒度的,粒度越小,能精确表达的概念越多。 不可分辨关系是分类过程中,相差不大的个体被归于同一类,他们的关系就是不可区分关系。不可分辨关系是U上的等价关系,定义如下:IND(P)={(x,y)∈U×U:f(x,a)=f(y,a), a∈P}。 集合的上近似、下近似和边界域是粗糙集理论中重要的概念。一个对象a是否属于集合X根据现有知识来判断,可分为三种情况:1)a肯定属于集合X,2)a可能属于也可能不属于集合X,3)a肯定不属于集合X。 粗糙集理论的应用包括规则挖掘和属性约简等。规则挖掘是指从数据中提取有用的规则,属性约简是指将数据中的属性简化为最重要的几个属性。 Rosetta简易教程是基于粗糙集理论的知识体系,旨在帮助读者轻松学会Rosetta。该教程涵盖了粗糙集理论的基本概念、应用和历史发展等方面,为读者提供了系统的学习平台。
剩余40页未读,继续阅读
- 粉丝: 0
- 资源: 1
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- (源码)基于Spark的实时用户行为分析系统.zip
- (源码)基于Spring Boot和Vue的个人博客后台管理系统.zip
- 将流行的 ruby faker gem 引入 Java.zip
- (源码)基于C#和ArcGIS Engine的房屋管理系统.zip
- (源码)基于C语言的Haribote操作系统项目.zip
- (源码)基于Spring Boot框架的秒杀系统.zip
- (源码)基于Qt框架的待办事项管理系统.zip
- 将 Java 8 的 lambda 表达式反向移植到 Java 7、6 和 5.zip
- (源码)基于JavaWeb的学生管理系统.zip
- (源码)基于C++和Google Test框架的数独游戏生成与求解系统.zip