智能决策支持系统中的知识表示及基于粗集的知识推理

摘要：当前，智能决策支持系统的实现研究已成为众多学科领域的研究热点，特别是伴随人工智能的发展，不断有新的理论和方法用于智能决策支持系统的实现。本文探讨在智能决策支持系统中的知识表达，讨论了属性在知识表达系统中的作用，决策表格形式的知识表达系统的性质、作用以及根据粗集理论分析处理海量信息中信息的有用特征，通过分析、推理产生最小决策规则。本文最后以EDUDSS中农村小学布局决策为例作实例分析。
　　关键词：智能决策支持系统；粗集；依赖度；知识推理
　　
　　一引言
　　
　　知识推理是智能决策支持系统中的核心，即根据所获得的信息通过数据分析、推理，从而产生合理的决策规则形成有用知识的过程。为了处理智能数据，就需要对知识进行符号表示。知识表达系统就是研究将对象的知识通过指定的对象的基本特征和特征值来描述，以便通过一定的方法从大量浩如烟海的数据中发现有用的知识或决策规则。粗集理论（RoughSet）作为智能信息处理技术的一个新成果，是由波兰科学家Z.Pawlak教授提出来的对不完整数据进行分析、推理、学习、发现的新方法。根据粗集理论的方法，知识推理就是给定知识表达系统的条件属性和结果（决策）属性，求出所有符合该知识的最小决策算法。这里以EDUDSS为例讨论如何利用粗集理论从现有小学布局数据中发现适合当地实际情况的决策规则，并用于小学布局的决策。
　　
　　二粗集理论的基本概念。
　　
　　粗集理论是基于一个机构关于一些现实和它分辨某些特点、过程、对象等的能力的知识，该理论以观察和测量所得的数据进行分类的能力为基础，它认为知识是基于对对象分类的能力，知识直接与真实或抽象世界有关的不同分类模式联系在一起，这里称之为论域U（Universe）。
　　
　　假定给定一个感兴趣的对象的论域U，对于任何子集可称为U中的概念或范畴，并且U中的任何概念族称为关于U的知识。这些概念也构成了特定论域U的分类。一个U上的分类族定义为一个U上的知识库，这样，知识库表达了一个或一组智能机构的各种基本分类方式。通常情况下，用等价关系来代替分类的概念。
　　
　　令，且R为一等价关系，当X为某些R基本范畴的并时，称X是R可定义的，否则X为R不可定义的。R可定义集是论域的子集，它可在知识库K中被精确定义，而R不可定义集不能在这个知识库中被定义。R可定义集称为R精确集，而R的不可定义集称为R粗集。粗集可以近似地定义，为达到这个目的，使用两个精确集（粗集的上近似和下近似）和边界来描述。
　　
　　
　　
　　X关于R的下近似
　　
　　
　　
　　
　　
　　X关于R的上近似
　　
　　
　　
　　X关于R的边界
　　
　　posR(X)=R_(X)称为X的R正域，把negR(X)=U-R_(X)称为X的R负域。简单地说，正域posR(X)或X的下近似就是那些对于知识R能完全确定地归入集合X的对象的集合。类似地，负域negR(X)是那些对于知识R不属于集合X的元素的集合，它们是X的补集。边界域是从某种意义上论域的不确定域，对于知识R属于边界域的对象不能确定地划分是属于X或-X。X的上近似是由那些对于知识R不能排除它们属于X的可能性的对象构成，从形式上，上近似就是正域和边界域的并集。
　　
　　三知识的表示及基于粗集的知识推理及化简
　　
　　知识的表示、简化及

《智能决策支持系统中的知识表示及基于粗集的知识推理》