1. 手法の概要
1.1 定義
ラフセットは、不完全なデータや不正確な知識の表現、学習、誘導を研究するためにポーランド工科大学の Z.pawlak 教授によって提案された一連の理論です。これは、あいまいで不確実な問題に対処するための新しい数学ツールであり、知識発見、機械学習、意思決定支援、パターン認識、エキスパート システム、帰納的推論などの分野で広く使用されています。
ラフ集合論の特徴は、データに関する追加情報を必要とせずに、データに隠された事実を分析できることです。その主なアイデアは、分類能力を変更しないという前提の下で、知識の削減を通じて問題の意思決定または分類ルールを導き出すことです。
数学の観点からすると、ラフ セットは研究セットです。プログラミングの観点からは、ラフ セットの研究対象は行列であり、これは一部の特別な行列にすぎません。人工知能の観点からは、ラフ セットは決定表を研究します。
1.2 事例
次の情報テーブルを仮定すると
、情報システムにはさまざまな属性を持つ多数のオブジェクトが存在することがわかります。異なるオブジェクトは異なるまたは同じ条件属性を持ち、各オブジェクトは異なる特性を持ちます。これらの条件属性が決定に影響します。 -決定属性. 意思決定属性の違いにより、情報システムを何種類に分割できるかが決まります. 明らかに、意思決定属性の値の違いは、条件属性に直接影響されます. それぞれの条件属性は、属性は意思決定の属性値になる可能性があります。潜在的な影響要因。次に、情報システム内のオブジェクトがどのカテゴリに分類されるかを決定します。ただし、物事に影響を与える潜在的な要因が多数存在し、結果に大きな影響を与える要因もあれば、影響が少ない要因もあれば、必要のない要因もあるということもわかっています。
ラフ集合論は、確率、統計、エントロピー、Demp を使用して不確実な (ファジーを含む) システムを分析するために使用できる多くの手法の 1 つです。