[发明专利]一种基于模糊粗糙模型的分类规则提取方法

权利要求书

1.一种基于模糊粗糙模型的分类规则提取方法，包括以下步骤：首先利用模糊集中的隶属函数对信息表中的连续属性进行属性模糊化，构造具有模糊属性值的决策系统；再应用模糊相似关系中的粗糙集提出逼近精度近似度量、粗糙逼近精度近似度量、逼近精度分类质量测度、逼近精度相对分类测度等参数，从而建立基于逼近精度的模糊-粗糙集约减算法来求取分类规则。

2.根据权利要求1所述的一种基于模糊粗糙模型的分类规则提取方法，其特征在于：所述模糊-粗糙约减算法包括：

(1)参数说明及定义

设决策系统中条件属性集合C中有m个属性：C₁，C₂，Λ，C_m，决策属性集合为D，由D决定的划分为：{Y₁，Y₂，Λ，Y_k}，对每个条件属性C_i计算以下k+4个参数：其中i＝1Λm，j＝1Λk；令和分别为这k+4个参数的算数均值和几何均值；

(2)属性C_i的重要性定义为：

Zci=α1τc1+α2κci]]>

其中，α₁和α₂分别为用户指定的算数均值和几何均值的重要性参数。

3.根据权利要求1或2所述的一种基于模糊粗糙模型的分类规则提取方法，其特征在于：所述模糊-粗糙约减算法上述算法包括以下步骤：

(1)计算条件属性集合的γ_C(L)；

(2)对于任意条件属性计算Z={ZCi};]]>

(3)初始化C⁰＝φ；

(4)

(5)判断γC0L<γC(L),]]>若满足则继续下一步，否则返回上一步；

(6)C⁰即为一个最小约减。