毕业论文移动版

结论与展望：回顾并简述本论文的工作和成果，展望后续研究的内容。

第二章 粗糙集理论概述

2。1 Pawlak经典粗糙集

2。1。1 粗糙集的分类来,自.优;尔:论[文|网www.youerw.com +QQ752018766-

经典粗糙集理论[3]是一种建立在不可分辨关系上对于分类的研究。在经典粗糙集理论中，Pawlak将知识表述为对于客观对象分类的能力。故而，在经典粗糙集理论中，知识就是划分。

粗糙集理论采用知识表示系统来描述知识。在经典粗糙集理论中，可以使用一个四元组来表示一个信息系统。其中，是一个有限、非空的对象集合，称为论域；是一个有限、非空的属性集合，称为属性集；是属性的一个非空属性值集合，称为值域；是论域到值域一个映射函数，可将论域中的一个样本映射到值域中的一个值。

然而，在许多分类问题中，虽能将数据集中具有相同特征的样本划分在一起，但却缺少每个分类块的语义解释。所以，人们认识到需要在原信息系统的属性集AT中加入决策属性D。故而决策信息系统可以定义为：一个决策信息系统。其中，代表条件属性集合，D代表决策属性集合，且与D满足条件。相比于信息系统S，决策信息系统将决策标签属性引入原属性集合AT，主要用来描述一种有监督的学习方法。