基于变精度粗糙集的改模知识分层递阶归纳

应用基本粗糙集理论对改模方案进行改模知识归纳可以得到改模决策规则集。为解决其规则集规模大、实用性不强的问题,提出了一种基于变精度粗糙集的改模知识分层递阶归纳方法。首先,在研究改模知识的分层递阶层次表达模型的基础上,给出改模方案特征值具体化、完备化和层次化方法,并据此构建了基于分层递阶的改模方案特征决策表集;其次,在特征约简过程中,引入分类质量/误差矩阵,通过基于变精度粗糙集的改模方案特征层次约简,得到符合用户分类质量要求的核心特征集;然后,进一步利用基于分层递阶的规则层次生成和知识获取方法,得到规模小且实用性强的规则集;最后,通过实例验证了该方法的实用性和有效性。