粗糙集(Rough set) 理论

1.处理含糊和不确定性问题的新型数学工具。

2.其主要思想是利用已知的知识库，将知识理解为对数据的划分，每一被划分的集合称为概念，将不确定或不精确的知识用已知的知识库中的知识来刻画. 该理论是建立在分类机制基础上的，它将分类理解为在特定空间上的等价关系，而等价关系构成了对该空间的划分. 

3.粗糙集理论的特点在于它恰好反映了人们用粗糙集方法处理不分明问题的常规性，即以不完全信息或知识去处理一些不分明现象的能力，或依据观察、度量到的某些不精确的结果而进行分类数据的能力 .  其与其他处理不确定和不精确问题理论的最显著的区别是它无需提供问题所需处理的数据集合之外的任何先验信息，所以对问题的不确定性的描述或处理比较客观.

4.由于粗糙集理论对不确定性的描述是相对客观的,且在无需先验信息的情况下提供了严格地处理数据分类问题的数学方法，能在保留关键信息的前提下对数据进行兼并求得知识的最小表达，揭示出简单的模式，能从经验数据中获取已证实的规则知识，因此在处理不确定性问题上相对于其它理论工具具有不可替代的优越性，更成为数据挖掘的一个重要工具. 
--------------------- 
作者：lmmolivia 
来源：CSDN 
原文：https://blog.csdn.net/sinat_14826377/article/details/52704537 
版权声明：本文为博主原创文章，转载请附上博文链接！