Pawlak提出的粗糙集(Rough Sets,简称RS)理论是处理知识,特别是不精确、不相容知识的一种新的数学工具。该理论对知识给出了形式化的定义,使得对知识能够进行有效的分析和操作。此外,RS理论还提供了一套从数据中自动获取知识的工具,即知识约简。目前,RS理论正在被广泛应用于人工智能、模式识别等很多领域。 基于粗糙集理论的特点,将其应用于知识获取领域,可支持知识获取的多个步骤,如数据预处理、数据约简、规则生成、数据依赖关系获取等。全文主要内容如下: 第一章主要是粗糙集理论综述,包括以下四部分:粗糙集理论的基本概念;粗糙集理论区别于其它智能理论的特点;粗糙集理论比较常用的应用软件;粗糙集理论的研究方向,包括理论研究和应用研究。然后对知识获取进行了概述,最后介绍了论文研究的内容和论文结构。 第二章在引入知识信息熵及互信息概念的基础上,详细讨论了粗糙集理论中知识粗糙性与信息之间的关系,从信息的角度对知识粗糙性给出了定量的刻划。然后从信息的角度对粗糙集理论的主要概念给出了新的表示,我们称之为信息表示,并且对其直观含义和合理性进行了说明。 第三章提出了基于粗糙集理论的信息系统属性重要性评价方法。利用粗糙集理论中的下近似和上近似概念定义一个评定参数α_R(X),并由此参数的大小判断系统属性的重要性。与现有的评价系统参数方法相比,基于粗糙集理论的方法能得到关于系统更多的信息。 第四章首先介绍了信息系统属性离散化的意义、步骤、分类和几种现有的方法。然后利用决策表相容性的反馈信息,提出了一种领域独立的连续属性划分的算法。最后将该算法与目前已有的几种方法做了比较分析,得到了令人满意的结果。 第五章研究了信息系统的约简算法。首先研究了用粗糙集理论对实值信息系统属性进行约简的方法,通过对离散化方法与属性约简的关系进行研究,提出了实值属性离散化的一种自动确定属性类别的方法,并结合粗糙集理论给出了对实值属性信息系统约简的算法;然后结合概率方法对模糊集进行了研究,并利用相