摘要:1 前言 粗糙集理论(Rough set,RS)是由波兰学者Pawlak在1982年提出的一种刻画不完整性和不确定性的数学工具.粗糙集理论不仅为信息科学和认知科学提供了新的科学逻辑和研究方法,而且为智能信息处理提供了有效的处理技术.二十多年来,粗糙集理论的发展已经成为人工智能领域中一个较新的学术热点,引起了学术界科学人员的广泛关注.贝叶斯决策理论方法是统计模式识别的一个基本方法,但由于现实世界中的情况十分复杂,例如样本不全或选择不当,样本特征与类的隐形相关且不易确定等.粗糙集理论是解决此类问题的一个有效方法,实践(如临床病例诊断)证明基于粗糙集的最小风险贝叶斯(Bayes)决策有很好的优点.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社