基于粗糙集的交叉研究及其在中医诊断的应用

粗糙集作为一种分析和处理不完整、不确定数据的有效数学工具，已在理论和实际应用上取得长足的发展。本文主要针对粗糙集中的约简和规则抽取进行交叉研究，并结合国家中医药管理局基金项目(A97105)进行实际应用 首先，提出一种新型的属性约简策略ARS(Attributes Reduction Strategy)。该策略把属性值的个数应用到属性约简上，大大降低进行属性约简的计算复杂度和空间复杂度，在约简大量数据更能显示其优越性。并利用属性约简判定ARS策略是有效的属性约简策略。 其次，在属性约简策略ARS基础上优化BP网络结构，约简BP网络结构输入层和隐层单元。在约简BP网络结构过程中，根据属性本身信息的重要程度不一样的情况，提出基于权重的属性约简策略ARS-W，在BP网络结构的隐层单元约简取得良好效果；而且把模糊综合评价引入BP网络结构评价，为约简BP网络结构提供评判标准。 再次利用属性约简策略ARS优化模糊神经网络，简化输入层结构和第三、四层结构，解决传统模糊神经网络初始设计中，输入空间划分可能出现“维数灾难”的问题和系统的初始规则数会随输入的维数呈指数增长的问题，从而为模糊神经网络结构的优化提供了新的途径。 本文还对粗糙集在分散控制的应用进行初步探讨，针对复杂系统中由于各子系统相互关联，其分散控制器的控制规则难以人工提取的问题，充分利用子系统的输入、输出数据，抽取分散控制器的控制规则。该方法无需进行模糊化和去模糊化，控制直观、简单、方便。 最后结合国家中医药基金项目(A97105)，实现中医类风湿关节炎智能诊断。利用粗糙集从类风湿关节炎病例数据中自动抽取诊断知识，构建中医类风湿关节炎智能诊断系统(TCMRAIDS)和在线诊断(RAONLINE网站)，并在广州中医药大学得到成功应用。