模糊相似關系下的模糊粗糙集.pdf

1、粗糙集理論是二十世紀八十年代初由波蘭數(shù)學家Z.Pawlak首先提出的一種處理不確定性知識的數(shù)學理論,它能有效地分析和處理不精確,不確定與不完整等各種不完備信息,并從中發(fā)現(xiàn)隱含的知識,揭示潛在的規(guī)律.近幾年來,它在機器學習和知識發(fā)現(xiàn),數(shù)據(jù)挖掘,決策支持與分析等方面都有廣泛的應用.1991年,Z.Pawlak的專著《粗糙集------關于數(shù)據(jù)推理的理論》(Rough Sets------Theoretical Aspects of Reas

2、oning about Data)的問世,標志著粗糙集理論及其應用的研究進入了活躍時期.目前,粗糙集理論已經(jīng)成為信息科學最為活躍的研究領域之一,同時,該理論還在醫(yī)學、化學、材料學、地理學、管理科學和金融等其它學科得到了成功的應用.粗糙集理論的主要思想就是利用已知的知識庫,將不精確的或不確定的知識用已知的知識庫來近似刻畫.模糊理論是美國計算機和控制專家L. A.Zadeh于1965年提出的刻畫模糊現(xiàn)象或模糊概念的數(shù)學理論,它是通過對象關于

3、集合的隸屬程度來近似描述的.模糊集的隸屬函數(shù)和粗糙集的隸屬函數(shù)都反映了概念的模糊性,前者大多是由專家憑經(jīng)驗給出的,因此往往帶有很強烈的主觀意志,而粗糙集的隸屬函數(shù)的計算是從被分析的數(shù)據(jù)中直接獲得的,非?？陀^.也正因為如此,將模糊集和粗糙集進行某些整合后去描述知識的不確定性和不精確性是非常有意義的.本文正是基于模糊集和粗糙集的結合,首次提出了相似關系下的模糊粗糙集、模糊相似關系下的粗糙集和模糊相似關系下的模糊粗糙集.研究了它們的一些基本性