計(jì)算機(jī)理論中粗糙集應(yīng)用分析

曲萍

摘 要：在當(dāng)前的計(jì)算機(jī)應(yīng)用軟件研究中，有關(guān)粗糙集的理論研究開(kāi)始受到關(guān)注，尤其是其他計(jì)算機(jī)理論中，粗糙集開(kāi)始得到廣泛的應(yīng)用，這種結(jié)合取得了巨大的成果。所以，文章主要針對(duì)當(dāng)前的研究狀況進(jìn)行了充分的總結(jié)，主要針對(duì)當(dāng)前粗糙集在諸多計(jì)算機(jī)軟件理論的應(yīng)用狀況進(jìn)行了分析，同時(shí)針對(duì)未來(lái)的研究發(fā)展提出了自己的觀點(diǎn)。

關(guān)鍵詞：計(jì)算機(jī)；粗糙集；應(yīng)用

引言

當(dāng)前網(wǎng)絡(luò)技術(shù)發(fā)展以及計(jì)算機(jī)技術(shù)逐步向著更加完善的方向發(fā)展，信息時(shí)代已經(jīng)全面來(lái)臨，計(jì)算機(jī)已經(jīng)成為人類生活以及生產(chǎn)必備的工具，而如何才能夠有效處理當(dāng)前社會(huì)中的信息，保證信息可以為人們所利用，這是當(dāng)前學(xué)者研究的核心。軟計(jì)算的出現(xiàn)則解決了當(dāng)前對(duì)信息的處理需要，成為當(dāng)前計(jì)算機(jī)理論研究中的新趨勢(shì)。軟計(jì)算最先與1994年由Zadeh提出，其本質(zhì)是一種數(shù)據(jù)信息的容錯(cuò)處理，通過(guò)不完全真值以及不精確不確定的信息取得相對(duì)低代價(jià)、易處理信息的一種方法集合。當(dāng)前的軟計(jì)算主要包括證據(jù)理論、遺傳算法以及神經(jīng)網(wǎng)絡(luò)和粗糙集，其中粗糙集已經(jīng)成為了新型的研究焦點(diǎn)，并在實(shí)際的應(yīng)用中取得了巨大的成就。

1 粗糙集理論概述

計(jì)算機(jī)的應(yīng)用之所以能夠越來(lái)越廣泛，主要是因?yàn)槠溥壿嬘?jì)算的高效和準(zhǔn)確性，而粗糙集則可以對(duì)一些不確定問(wèn)題進(jìn)行分析計(jì)算。對(duì)于事物進(jìn)行分析的能力便是粗糙集理論中的重要內(nèi)容，主要表現(xiàn)為劃分論域并通過(guò)等價(jià)關(guān)系對(duì)信息進(jìn)行標(biāo)示。粗糙集對(duì)于事物的刻畫(huà)主要通過(guò)其上下近似算子進(jìn)行，由于無(wú)需數(shù)據(jù)外的其他知識(shí)，因而客觀性較高。因而在機(jī)器學(xué)習(xí)以及決策分析和數(shù)據(jù)挖掘等理論中，粗糙集的應(yīng)用較為廣泛。

2 粗糙集同模糊集的結(jié)合

模糊集理論最先于1965年提出，其主要概念是一種集合，在集合中所有元素只有兩種狀態(tài)，集隸屬于集合，以及不隸屬于集合，而這種對(duì)隸屬進(jìn)行衡量的函數(shù)則稱為隸屬函數(shù)。模糊集主要依賴于這種隸屬函數(shù)對(duì)數(shù)據(jù)元素進(jìn)行判斷，確定隸屬度，從而一一對(duì)應(yīng)。

模糊集隸屬函數(shù)結(jié)果確定一般是依照專家經(jīng)驗(yàn)或者由管數(shù)據(jù)統(tǒng)計(jì)結(jié)果進(jìn)行，因而主觀性較高，而當(dāng)前的信息要求中客觀性要求在不斷提升，因而模糊集的這種缺陷必須予以改進(jìn)。而粗糙集主要是依賴于其上下近似對(duì)數(shù)據(jù)庫(kù)中的對(duì)象予以客觀確定，而無(wú)需事先的建設(shè)以及其他的經(jīng)驗(yàn)知識(shí)，因而客觀性較強(qiáng)。實(shí)際生活中，很多先驗(yàn)知識(shí)已經(jīng)無(wú)需進(jìn)行再次確定和判斷，但是通過(guò)這些知識(shí)的利用卻可以對(duì)數(shù)據(jù)的計(jì)算分析效率提高有所幫助，而這些便可以彌補(bǔ)粗糙集的缺陷。通過(guò)這一理論分析可以看出，模糊集同粗糙集之間的互補(bǔ)性較強(qiáng)，若將二者結(jié)合起來(lái)，在問(wèn)題的解決中效率更高。而二者的理論結(jié)合研究已經(jīng)取得了初步進(jìn)展，并在實(shí)際的應(yīng)用中開(kāi)始推廣，模糊粗糙集的應(yīng)用以及粗糙模糊集的應(yīng)用便是具有較高價(jià)值的兩種研究成果。

在粗糙集中應(yīng)用模糊隸屬函數(shù)便是模糊粗糙集，對(duì)粗糙集中的等價(jià)關(guān)系，通過(guò)模糊集隸屬函數(shù)進(jìn)行確定，也就是利用隸屬函數(shù)將元素中I型昂同的隸屬度歸為相同的等價(jià)類，從而對(duì)論域進(jìn)行劃分。從本質(zhì)上分析，即對(duì)已知確定的模糊集紙質(zhì)進(jìn)行粗糙集等價(jià)關(guān)系轉(zhuǎn)換，從而得到粗糙等價(jià)類的方式，通過(guò)這種方式能夠是的粗糙集問(wèn)題處理效率更高。

對(duì)于模糊集以及粗糙集，通過(guò)粗糙模糊集以及模糊粗糙集可以得到較為理想的互補(bǔ)，這種研究已經(jīng)應(yīng)用在了諸多領(lǐng)域中，并證實(shí)，具有一定的效果。很多學(xué)者對(duì)其進(jìn)行了比較研究，并予以有效地改善，進(jìn)一步的發(fā)展和改進(jìn)了該種理論研究。將模糊集的應(yīng)用引入了粗糙集覆蓋理論中，同時(shí)也將覆蓋廣義粗糙集模糊度引入研究中，開(kāi)創(chuàng)了一種新的模糊度計(jì)算方式，證明模糊不可分辨關(guān)系這一理論，從而加強(qiáng)了粗糙集在處理模糊值屬性上的性能。

3 粗糙集同神經(jīng)網(wǎng)絡(luò)的結(jié)合

當(dāng)前的信息網(wǎng)絡(luò)已經(jīng)開(kāi)始向著智能化方向發(fā)展，是建立在現(xiàn)代神經(jīng)生物學(xué)上的一種信息處理方式，主要是對(duì)人腦信息處理的一種模仿。因而其學(xué)習(xí)能力較強(qiáng)，無(wú)論在有監(jiān)督還是無(wú)監(jiān)督的情況下都能夠?qū)?shù)據(jù)進(jìn)行有效的分析和處理，因而在模式識(shí)別以及數(shù)據(jù)的挖掘中被廣泛的應(yīng)用，同時(shí)還被應(yīng)用在預(yù)測(cè)以及信號(hào)處理領(lǐng)域。

神經(jīng)網(wǎng)絡(luò)是一個(gè)由簡(jiǎn)單處理單元構(gòu)成的規(guī)模宏大的并行分布式處理器，天然具有存儲(chǔ)經(jīng)驗(yàn)知識(shí)和使之可用的特性。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)最基本的信息處理單元，它具有接收和傳遞信息的功能。

神經(jīng)網(wǎng)絡(luò)的特點(diǎn)就是通過(guò)訓(xùn)練和學(xué)習(xí)產(chǎn)生一個(gè)非線性的映射，模擬人的思維方式，具有很好的自適應(yīng)性，可以實(shí)現(xiàn)有監(jiān)督和無(wú)監(jiān)督的學(xué)習(xí)，并能夠?qū)π畔⑦M(jìn)行并行處理；同時(shí)，它具有很好的抑制噪聲的能力。但是神經(jīng)網(wǎng)絡(luò)也有很明顯的缺陷，它無(wú)法對(duì)輸入的信息進(jìn)行有用性或冗余性的判斷，因此不能對(duì)輸入的信息進(jìn)行簡(jiǎn)化，這使得它在處理空間維數(shù)較大的信息時(shí)會(huì)很困難和低效。

粗糙集與神經(jīng)網(wǎng)絡(luò)的結(jié)合.粗糙集與神經(jīng)網(wǎng)絡(luò)最常見(jiàn)的結(jié)合方式主要有兩種：（1）將粗糙集作為神經(jīng)網(wǎng)絡(luò)的前端處理器，通過(guò)利用粗糙集先對(duì)原始信息進(jìn)行屬性及屬性值的約簡(jiǎn)，去除冗余信息，降低信息空間的維度，為神經(jīng)網(wǎng)絡(luò)提供一個(gè)較為簡(jiǎn)化的訓(xùn)練集，然后再構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。這樣的結(jié)合方式不僅縮短了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練的時(shí)間，提高了系統(tǒng)反應(yīng)速度，而且也可以充分發(fā)揮神經(jīng)網(wǎng)絡(luò)在抗噪性和容錯(cuò)性的優(yōu)勢(shì)，達(dá)到提高神經(jīng)網(wǎng)絡(luò)整體性能的目的。（2）通過(guò)在神經(jīng)網(wǎng)絡(luò)中引入一種粗糙神經(jīng)元來(lái)進(jìn)行，將粗糙神經(jīng)元與普通神經(jīng)元混合起來(lái)使用構(gòu)成粗糙神經(jīng)網(wǎng)絡(luò)。

有關(guān)粗糙集與神經(jīng)網(wǎng)絡(luò)的結(jié)合研究，還有其他學(xué)者研究提出的一些新的結(jié)合方式，如強(qiáng)耦合集成方式，為解決神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)中的網(wǎng)絡(luò)的隱層數(shù)、隱層節(jié)點(diǎn)數(shù)和初始權(quán)值的確定及網(wǎng)絡(luò)語(yǔ)義提供了一種便于實(shí)現(xiàn)的新思路。隨著軟計(jì)算理論中的各種理論和技術(shù)的不斷發(fā)展和創(chuàng)新，將神經(jīng)網(wǎng)絡(luò)與諸如進(jìn)化算法、概念格、證據(jù)理論及混沌學(xué)等加強(qiáng)結(jié)合研究，相信會(huì)取得更加讓人振奮的成就。

4 粗糙集同遺傳算法的結(jié)合

遺傳算法是當(dāng)前相對(duì)通用的一種計(jì)算機(jī)模型，是一種適應(yīng)性的問(wèn)題搜索方法，廣泛的應(yīng)用與商業(yè)領(lǐng)域以及數(shù)據(jù)收集、自動(dòng)化研究以及人工智能領(lǐng)域中。而粗糙集同其結(jié)合主要體現(xiàn)在對(duì)屬性的約簡(jiǎn)和數(shù)據(jù)挖掘中。

5 粗糙集同概念格的結(jié)合

形式概念的分析最初是由德國(guó)的以為數(shù)學(xué)家提出，While最初提出的這種概念格理論是建立在概念層次以及概念之上的一種數(shù)學(xué)化信息表達(dá)，相對(duì)比規(guī)則提取以及數(shù)據(jù)分析，有效性相對(duì)較高，并逐漸的應(yīng)用在軟件工程，計(jì)算機(jī)技術(shù)開(kāi)發(fā)中。而粗糙集同概念格具有一定的相似性，因而令兩者之間具有一定的聯(lián)系，粗糙集理論中存在上下近似以及屬性依賴，因而這種概念表示能夠在相的背景中有一進(jìn)行，通過(guò)這種概念能夠?qū)⒋植诩瘧?yīng)用進(jìn)行擴(kuò)展，使得概念格同粗糙集能夠充分的融合，粗糙集某些性質(zhì)能夠通過(guò)概念進(jìn)行描述，而概念格所具有的特殊結(jié)構(gòu)可以具有函數(shù)依賴，因而能夠令條件屬性通過(guò)概念格直觀的予以約簡(jiǎn)。

6 結(jié)束語(yǔ)

當(dāng)前計(jì)算機(jī)技術(shù)的發(fā)展還具有一定的局限性，在理論結(jié)合研究中僅僅能夠在某兩個(gè)理論之間進(jìn)行研究，但是在當(dāng)前的研究中即便是兩種理論的結(jié)合也存在需要予以改進(jìn)的地方，因而在今后的研究匯總中，還需要將更多的理論聯(lián)系起來(lái)，相互之間取長(zhǎng)補(bǔ)短，提高當(dāng)前的計(jì)算機(jī)應(yīng)用水平。

參考文獻(xiàn)

[1]張靜.基于粗集理論的數(shù)據(jù)挖掘方法及應(yīng)用研究[D].大連理工大學(xué)，2007.

[2]李永敏，朱善君，陳湘暉，等.根據(jù)粗糙集理論進(jìn)行BP網(wǎng)絡(luò)設(shè)計(jì)的研究[J].系統(tǒng)工程理論與實(shí)踐，1999（4）.

[3]徐從富.基于粗糙集理論的通信電臺(tái)及其裝載平臺(tái)識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用，2002（10）.endprint