中图分类号： Ｔ Ｉ Ｐ８ 文 献标识码 ： Ａ
Ａ ｕｒ ｅ ｎ Ｃｏ ｔｓ ｎ ｉ ｖ ｕ ｈ Ｓ ｔ ｓ ａ ｃ Ｓ ｖ ｙ ｏ ｓ— ｅ ｓｔ ｅＲｏ ｇ ｅ － ｉ Ｒｅ ｅ ｒ ｈ
ＬＩ Ｊ ａ ｂ ｎ １ ， Ｍ Ｉ Ｆａ Ｕ ｉ ． ｉ ， ２ Ｎ ｎ
Ｇｒ ｎ ｌｒ ｍｐ ｔ ｇ Ｚ ａ ｇ ｈ ｕＮ ｒ ｌ ｎｖ ｒｉ ， ｈ ｎ ｚ ｏ ｕｉｎ３ ３ ０ ， ｉ ａ ａ ｕａ Ｃｏ ｕ ｉ ， ｈ ｎ ｚ ｏ ｏ ｍａ Ｕ ｉ ｓｔ Ｚ ａ ｇ ｈ ｏ Ｆ ｊ ６ ０ ０ Ｃｈｎ ） ｎ ｅ ｙ ａ
Ａｂｔ ａ ｔ ｓ ｒ ｃ ：Ｔｈｉ ｓｐａｐｅ ｅ ｉ ｗ ｓｔ ｈ ｏｒ ｏｕｎｄａ ｉ ｎｓａ ｒｒ ｖ ｅ ｈｅｔ ｅ ｙ ｆ ｔｏ ｎｄ ｈ ｔ ｔ — ｔ ｅ ｓａ ｅｏ￣ｔ ・ ｒ ｆｃ ｔｓ ｎｓｔｖｅｒ ｇｈ ｓ ｔ ｈｅ ａ ｔｏ ｏｓ— ｅ ｉｉ ｏｕ ｅ ．Ｆｉ ｓｌ， ｒ ｔｙ
ｔ ｅ ｍｏ ｉ ａ ｉ ｎ ｏ ｏ ｔｓ ｎ ｉ ｖ ｅ ｒ ｉ ｇ ｓ ｉ ｔ ｏ ｕ ｅ ｈ ｏ ｇ ｅ ａ ｈ ｔｖ ｔ ｆ ｃ ｓ— ｅ ｓｔ ｅ ｌａ ｎ ｎ ｉ ｎ ｒ ｄ ｃ ｄ ｔ ｒ ｕ ｈ ｘ ｍｐ ｅ ．Ｔ ｐ ｓ ｏ ｏ ｔ ａ ｅ ｄ ｓ ｕ ｓ ｄ ｏ ｉ ｌｓ ｙ ｅ ｆ ｃ ｓｓ ｒ ｉｃ ｓ ｅ ．Ｔｈ ｅ ｆ ｕ ｄ ｔ ｎ ｏ ｏ ｔｓ ｎ ｉｉ ｅ ｒ ｕ ｈ ｓ ｔ ｓｐ ｅ ｅ ｔ ｄ Ｔｈ ｎ ｔ ｅ ｃ ｒ ｅ ｔｓｔ ａ ｉ ｎ ｉ ｓ ｍ ｍａ ｉ ｅ ｒ ｍ ｈ ｏ ｒ ｌｖ ｌ ｏ ｎ ａ ｉ ｆ ｓ－ ｅ ｓｔ ｏ ｇ ｅ ｓ ｉ ｒ ｓ ｎ ｅ ． ｅ ｈ ｕ ｒ ｎ ｉｕ ｔｏ ｓ ｕ ｏ ｃ ｖ ｒｚ ｄｆｏ ｔｅｆ ｕ ｅｓ ｅ
２１ ０ １年第 ４期 （ 总第 ７ ） ４期
漳州师范学院学报 （ 然科学版） 自
Ｊ ｕ ｎ ｌ ｆ ａ ｇ ｈ ｕＮｏ ｍａ ｉｅ ｓｔ （ ｔ Ｓ ｉ ｏ ｒ ａ ｎ ｚ ｏ ｒ ｌ ｏ Ｚｈ Ｕｎｖ ｒｉ ｙ Ｎａ ． ｃ． ）
Ｎ ．．０１ ｏ ４ ２ １ 年
Ｇｅ ｅ ａ ． ４ ｎｒ Ｉ Ｎｏ ７
ｋ ｙ ｉｓ ｅ ｆ ｅ ｔｃ ｓ－ ｅ ｓｔｖ ｏ ｇ ｅ ｒ ｉ ｈ ｉ ｈ ｅ ． ｅ ｕ ｓｏ ｓ － ｏ ｔｓ ｎ ｉ ｅ ｒ ｕ ｈ ｓ ｔａ ｅｈ ｇ ｌ ｔ ｄ ｓ ｔ ｉ ｇ
Ｋｅ ｒ ｓ ｃ ｓ －ｅ ｓｔｖ ｏ ｇ ｅ ａ ｔ ｉ ｕ ｅ ｒ ｄ ｃ ｉ ｎ ； ｅ ｔ ｏ ｔ； ｌ ｏ ｉ ｍ ；ｍｏ ｅ ｙｗｏ ｄ ： ｏ ｔｓ ｎ ｉ ｅ ｒ ｕ ｈ ｓ ｔ； ｔｒ ｂ ｔ ｅ ｕ ｔｏ ｉ ｔ ｓ ｓ ａｇ ｒｔ ｃ ｈ ｄｌ
文章编号 ： ０—８６ ０１ ４０１— １ ８７２（ １） — ７０ ０ ２ ０ ０ ６
代价敏感粗糙集研究综述
刘 家彬 ’ ，闵 ， 一 帆
（ １ ．四川民族学院 计算机科学系， 四川 康定 ６６０；． ２０ １２ 漳州师范学院 粒计算实验室， 福建 漳州 ３３ ０） ６００
摘 要：本文对代价敏 感粗 糙集（ ｓ ｓ ｓｉ ｕ ｈ ｅ Ｃ ． Ｓ 论的 内容及发展状况进行 了回顾 ， ｃ ｔｅ ｉ ｅ ｏｇ ｔ ＳＲ ） ｏ ．ｎ ｔ ｒ ｖ ｓ， 理 对其研
粗 糙集作 为一 种刻 画不 完整 和 不确 定性 问题 的数学工 具 ，是 由波 兰科学 院 ｚ Ｐ ｗｌ ．ａ ａ ｋ院士 于 １８ ９２年提
出的…Ｉ 粗糙集能有效地分析和处理不精确、不一致、不完整等各种不完备信息，在不需要任何先验知 ＿． 引
识的情 况 下，对数 据进 行分析 和 推理 ，从 中发现 隐含的知 识，揭 示 潜在 的规律 ．从上 世纪 ８ ０年代 末 ９ ０年 代初 开始 ，经过 二十余 年 的 发展 和研 究，在 理论 和实 际应 用 中都 取得 了长足 的 发展 学 、社会科学和工程技术等领域，从实际系统 中采集到的数据往往不精确甚至不完整． 多年 来，研究人员一直在努力探索处理不完整和不确定性信息的有效途径，并提出了相关理论，如模糊理论 、
证据理论、概率论等． 但这些理论在应用到实际领域的过程中，均需要一些数据的附加信息或先验知识， 如模糊隶属函数、基本概率指派函数和有关统计概率分布等．
（ ． ｐ ｒｍｅ ｔ ｆＣｏ ｕ ｅ ｃｅ ｃ ， ｉｈ ａ ｉｅ ｓｔ ｏ ｔ ｎ ｌ ｉｓ Ｋａ ｇ ｉｇＳｃ ｕ ｎ ６ ６ ０ ， ｉ ａ ２ Ｌ ｂｏ １ Ｄｅ ａ ｔ ｎ ｍｐ ｔｒＳ ｉｎ ｅ Ｓｃ ｕ ｎＵｎ ｖ ｒｉｙｆ ｒＮａｉ ａｉ ｅ， ｎ ｄｎ ｉｈ ａ ， ２ ０ １ Ｃｈｎ ； ． ａ ｆ ｏ ｏ ｔ
ｉ ｃｕ ｉ ｇ ｔ ｅ ｄ ｔ ｄ ｌ ｔ ｅ ｃ ｍｐ ｔ ｔ ｎ ｌｍｏ ｅ ， ｈ ｒ ｂ ｅ ａ ｄ ｔ ｅ ａ ｇ ｒｔ ｍ．Ｆ ｎ ｌ ， ｅ ｅ ｒ ｈ ｔ ｅ ｄ ｎ ｎ ｌ ｄ ｎ ｈ ａ ａ ｍｏ ｅ ， ｈ ｏ ｕ ａ ｉ ａ ｄ ｌ ｔ ｅ ｐ ｏ ｌ ｍ ｎ ｈ ｌ ｏ ｉｈ ｏ ｉ ａ ｌ ｒ ｓ ａ ｃ ｒ ｎ ｓａ ｄ ｙ
究方向和发展趋势进行了分析和展望． 首先介绍了代价敏感学习产生的缘由、数据挖掘过程中常见代价的分类及 代价敏感粗糙集的基本概念； 其次从数据模型、 计算模型、 题及算法四个层次上对当前的研究状况进行了总结， 问 建立了代价敏感粗糙集理论体系示意图；最后指出测试代价敏感粗糙集的发展趋势和需要重点关注的问题． 关键词：代价敏感粗糙 集 ；属性约简 ；测试代价 ；算法 ；模型