多屬性多準則概率粗糙集模型研究.pdf

1、經(jīng)典粗糙集模型是一種非常有效的處理不完整及不確定知識的數(shù)據(jù)分析理論和數(shù)學(xué)工具，該方法與其它處理不確定問題的數(shù)學(xué)方法相比體現(xiàn)了一定程度的優(yōu)越性，但是經(jīng)典模型對二元關(guān)系以及概念之間關(guān)系的嚴格要求又使得該方法在實際應(yīng)用過程中面臨很多困難，于是從不同角度著手，嘗試對經(jīng)典粗糙集模型進行擴展，將嚴格的等價關(guān)系擴展到較為寬松的相似關(guān)系、支配關(guān)系乃至任意二元關(guān)系，或者將粗糙集與概率論相結(jié)合給出基于概率的各種拓展模型，如變精度粗糙集模型、概率粗糙集模型、

2、貝葉斯粗糙集模型等。另外，從屬性分類的角度出發(fā)，使用不同的二元關(guān)系處理不同類型的屬性，給出一系列拓展模型，多屬性多準則粗糙集模型就是其中的一種。但是從屬性分類角度拓展的多屬性多準則模型是基于完全的包含關(guān)系建立的模型，該模型缺乏一定的容錯能力，因此我們從概率的角度出發(fā)，對多屬性多準則粗糙集模型進行拓展，提出三種多屬性多準則概率粗糙集模型并對該模型進行深入的研究。
　　本文首先對粗糙集理論的研究現(xiàn)狀，經(jīng)典粗糙集模型，幾種拓展的概率模型

3、和相關(guān)知識進行介紹，其次從概率的角度出發(fā)，對多屬性多準則粗糙集模型進行拓展。結(jié)合變精度粗糙集模型的思想引入一個錯誤分類率參數(shù)對上下近似進行定義，提出變精度多屬性多準則粗糙集模型，并給出新模型的構(gòu)造過程和應(yīng)用實例。然后，利用錯誤分類率和條件概率的關(guān)系，建立基于隸屬函數(shù)的變精度多屬性多準則粗糙集模型。接著，將(a—b)概率粗糙集模型的思想和多屬性多準則粗糙集模型結(jié)合，利用兩個閾值參數(shù)來定義被近似集合的上下近似，從而提出多屬性多準則(a—b)