粗糙集 证据推理(ER)

一、粗糙集

主要思想：利用已知的知识库，将不精确或不确定的知识用已知知识库中的知识来(近似)刻画。
算法思想：
粗糙集(RS)理论是一种刻画不完整性和不确定性的数学工具，能有效地分析和处理不精确、不一致和不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。
粗糙集 simple
概述

二、证据推理(ER)

简介：
处理不确定性问题的完整理论
灵活性：区分不知道和不确定方面以及精确反映证据收集方面
不仅能够强调事物的客观性，还能强调人类对事物估计的主观性，其最大的特点就是就是对不确定性信息的描述采用“区间估计”，而非“点估计”

Def: 不确定性推理方法
∵所处理的数据信息大多是具有不确定性的，∴该方法能够摆脱对先验概率的依赖，把难以下手分析和处理的完整问题分解成很多易于处理的子问题
主思想：利用D-S证据理论将子问题的分析结论综合起来，采用数学推理的融合方式得到最终的融合结果。
组成：D-S证据理论由识别框架、基本概率分配函数、信任函数、似然函数和合成规则构成。

D-S ER概念 详细
多源数据融合 matlab