KNW- Wykład 4
Zbiory przybliżone
Zbiory przybliżone
PROGRAM WYKŁADU NR 4
Motywacja dla zbiorów przybliżonych
Podstawy zbiorów przybliżonych
Odniesienie do logiki modalnej
MOTYWACJA
Reprezentacja niepewności:
– w analizie danych
– we wnioskowaniu przestrzennym
– w operacjach logicznych
PRZYKŁAD – POJĘCIE REDUKTU
Redukt: najmniejszy zbiór cech wystarczający do poprawnego zaklasyfikowania obiektów
Formalnie:
– Niech A={a1, ..., an} oznacza zbiór cech, zaś d – atrybut decyzyjny
– Zbiór R zawarty w A jest reduktem, jeśli:
• nie istnieją takie obiekty o1 i o2, że d(o1) d(o2) i dla każdego atrybutu aR mamy a(o1)=a(o2)
• żaden podzbiór zbioru R nie ma powyższej własności
Outlook Temp. Humid. Wind Sport?
1 Sunny Hot High Weak No
2 Sunny Hot High Strong No 3 Overcast Hot High Weak Yes 4 Rain Mild High Weak Yes 5 Rain Cold Normal Weak Yes 6 Rain Cold Normal Strong No 7 Overcast Cold Normal Strong Yes 8 Sunny Mild High Weak No 9 Sunny Cold Normal Weak Yes 10 Rain Mild Normal Weak Yes 11 Sunny Mild Normal Strong Yes 12 Overcast Mild High Strong Yes 13 Overcast Hot Normal Weak Yes 14 Rain Mild High Strong No
PRZYKŁAD – POJĘCIE REDUKTU
Nie jest reduktem {T,H,W}, ani żaden jego podzbiór
Nie jest reduktem {O,T,H}, ani żaden jego podzbiór
Nie jest reduktem {O,W}, ani żaden jego podzbiór
Reduktami są:
{O,T,W},{O,H,W}
Outlook Humid. Sport?
1 Sunny High No 2 Sunny High No 3 Overcast High Yes 4 Rain High Yes 5 Rain Normal Yes 6 Rain Normal No 7 Overcast Normal Yes 8 Sunny High No 9 Sunny Normal Yes 10 Rain Normal Yes 11 Sunny Normal Yes 12 Overcast High Yes 13 Overcast Normal Yes 14 Rain High No
Sunny Overcast Rain
NormalHigh
Sunny Overcast Rain
NormalHigh
SPRZECZNOŚCI W DANYCH
Outlook Temp. Humid. Sport? Gen(Sport?)
1 Sunny Hot High No {No}
2 Sunny Hot High No {No}
3 Overcast Hot High Yes {Yes}
4 Rain Mild High Yes {No,Yes}
5 Rain Cold Normal Yes {No,Yes}
6 Rain Cold Normal No {No,Yes}
7 Overcast Cold Normal Yes {Yes}
8 Sunny Mild High No {No}
9 Sunny Cold Normal Yes {Yes}
10 Rain Mild Normal Yes {Yes}
11 Sunny Mild Normal Yes {Yes}
12 Overcast Mild High Yes {Yes}
13 Overcast Hot Normal Yes {Yes}
14 Rain Mild High No {No,Yes}
DECYZJA UOGÓLNIONA
Nowy atrybut decyzyjny grupujący oryginalne wartości decyzji tak, by otrzymana tablica była niesprzeczna
Tablica sprzeczna to taka, która zawiera obiekty
nierozróżnialne ze względu na wartości atrybutów,
jednak mające różne decyzje Redukt ma za zadanie rozróżniać pary
obiektów o różnych wartościach decyzji uogólnionej
ZBIORY PRZYBLIŻONE
Niech dany będzie zbiór obiektów U. Chcemy w nim wyróżnić pewien podzbiór X, jednak
jesteśmy w stanie podać jedynie:
– (X)
lower: zbiór obiektów na pewno należących do X (dolna aproksymacja X)
– (X)
upper: zbiór obiektów mogących należeć do X (górna aproksymacja X)
Zbiór określony za pomocą dolnej i górnej
aproksymacji nazywamy przybliżonym
RELACJA NIEROZRÓŻNIALNOŚCI
Relacją nierozróżnialności może być dowolna relacja równoważności (zwrotna, symetryczna, przechodnia) na zbiorze obiektów U.
Niech „~” będzie rel. nierozr., zaś XU:
x X (y ~ x) y (X)
upperx (X)
upper (y ~ x) y (X)
upperx (X)
lower (y ~ x) y (X)
lowerCzyli zbiór X mamy prawo opisywać jedynie „blokami” obiektów nierozróżnialnych (klasami abstrakcji relacji „~”)
Outlook Humid. Sport?
1 Sunny High No 2 Sunny High No 3 Overcast High Yes 4 Rain High Yes 5 Rain Normal Yes 6 Rain Normal No 7 Overcast Normal Yes 8 Sunny High No 9 Sunny Normal Yes 10 Rain Normal Yes 11 Sunny Normal Yes 12 Overcast High Yes 13 Overcast Normal Yes 14 Rain High No
Sunny Overcast Rain
NormalHigh
Sunny Overcast Rain
NormalHigh
SPRZECZNOŚCI W DANYCH
Sunny Overcast Rain
NormalHigh
Sunny Overcast Rain
NormalHigh
SPRZECZNOŚCI W DANYCH
Opisujemy obiekty cechami
„Outlook” oraz „Humid.”, więc niektóre z nich stają się dla nas nierozróżnialne
Przykładowo, zbiór:
„obiekty o decyzji Sport=Yes”
jest zbiorem przybliżonym
U A d
,
u B u ' U : a B a u a u '
boundaryB
upperB
lowerBB B
upper B B
lower
X X
X
X u
U u
X
X u
U u
X
\ :
:
ZAPIS FORMALNY
Tablica decyzyjna:
Dla BA oraz uU, klasa B-abstrakcji u:
B-aproksymacje podzbioru obiektów X:
Outlook Humid. Sport?
1 Sunny High No 2 Sunny High No 3 Overcast High Yes 4 Rain High Yes 5 Rain Normal Yes 6 Rain Normal No 7 Overcast Normal Yes 8 Sunny High No 9 Sunny Normal Yes 10 Rain Normal Yes 11 Sunny Normal Yes 12 Overcast High Yes 13 Overcast Normal Yes 14 Rain High No
PRZYKŁAD – APROKSYMACJE
4 , 5 , 6 , 10 , 14
14 , 13 , 12 , 11 , 10 , 9 , 7 , 6 , 5 , 4 , 3
13 , 12 , 11 , 9 , 7 , 3
B
boundary B
upper B lower
X X X
Rozpatrzmy X =
{3,4,5,7,9,10,11,12,13}
jako zbiór:
„obiekty o decyzji Sport=Yes”
Przyjmijmy
B = {Outlook, Humid.}
Wtedy:
Sunny Overcast Rain
NormalHigh
ZBIORY PRZYBLIŻONE A LOGIKA MODALNA
Wiersze tablicy
odpowiadają możliwym światom
Graf opisany jest
krawędziami łączącymi w kliki poszczególne klasy nierozróżnialności
Wtedy dolna aproksymacja odpowiada światom, w
których prawdziwy jest operator konieczności, zaś
górna – operatorowi możliwości
lowerB
lowerB
lowerBB
lower B
lower B
lower