模糊粗糙集中依参数粗糙度的新算法.pdfVIP

模糊粗糙集中依参数粗糙度的新算法 1 2 徐伟华 ，张晓燕 1 西安交通大学信息与系统所，陕西西安 （710049） 2 广东海洋大学理学院数学与信息科学系，广东湛江（524088） E-mail ：datongxuweihua@126.com 摘 要： 自 M.Banerjeehe 和 S.K.pal 提出了模糊粗糙集的基本模型以来，模糊粗糙集一 直是粗糙集理论研究的一个重要课题。 本文在模糊粗糙集基本模型基础上做了进一步探讨， 首先从 －模糊截集的概念出发，提出了基于 －模糊截集的上、下近似的概念，进一步利 λ λ 用它们给出了依参数粗糙度的新计算方法，从而使模糊粗糙集中依参数粗糙度得到了显著的 改进，并通过具体实例证明了该方法的有效性，特别是当处理的数据较多时该方法尤为优越。 关键词：粗糙模糊集；依参数粗糙度；λ －模糊截集 中图分类号：TP18 1. 引 言 粗糙集理论是波兰数学家 pawlak 于 20 世纪 80 年代提出的用于数据分析的理论. 由于 粗糙集理论一种刻画不完整性和不确定性的数学工具，能够有效地分析处理不精确、不协调 等不完备信息，还可以对数据进行分析和处理，从中发现隐含地知识，揭示潜在地规律，因 此作为一种具有极大潜力和有效的软计算工具受到了人工智能工作者的广泛关注。将粗糙集 和其他软计算方法，如模糊集、人工神经网络、遗传算法等相综合，发挥出各自地有点，可 望设计出具有较高的机器智商地混合系统，这一直是国内外科学研究努力的方向。 众所周 知， 模糊集理论也是处理不确定性和不精确性等方面的问题。 于是有许多学者[1－5]致力 于将这两门理论结合起来，研究它们的联系与区别，并提出了模糊粗糙集等许多新的概念， 而且取得了很大的成就。 在众多研究当中，有不少学者是采用λ －截集的方法去着手研究 的。 本文也是采用这种方法，首先从λ －模糊截集出发引出基于λ －模糊截集的上、下近 似的概念，并利用这两个概念优化了依参数粗糙度的计算方法，尤其是当数据比较多时，这 一改进后的方法显为优越。 2. λ －截集和依参数粗糙度 在很多在现实问题和实际系统中均不同程度存在这不确定性因素，而且有许多是没有明 确的界限，而在一定意义下它是一种过渡状态，如“张三是年轻人，李四是老年人”等等。 为了描述这种不分明的状态，我们已经将经典集合推广到了模糊集合，把经典集合的特征函 数扩充为模糊集合的隶属函数，即从论域U 到[0,1] 的一个映射。 定义2.1 论域 U 上的一个模糊集合A 是由U 上的隶属函数A : U → [0,1]来表示。其 中A (x)表示元素 x 隶属于A 的程度。 并记 U 上的模糊集合全体为 F ( U ) 。 - 1 - 对于 A ∈F ( U )和λ ∈[0,1]记： Aλ {x ∈U |A (x ) ≥λ} 称 Aλ 为A 的λ －截集。 集合{x ∈U | A(x ) 0 }称为 A 的支集, 记为 supp A 。 1996 年 M.Barejee 和 S.K.pal 提出了模糊粗糙集的概念。具体为 定义 2.2 设(U, R)是 pawlak 近似空间，即 R 是论域 U 上的一个等价关系，若A 是 U 上的一个模糊集合，则A 关于(U, R)一对下近似R(A) 和上近似R (A) 定义为 U 上的一对模糊 集合，其隶属函数分别定义为： R (A)(x ) min{A( y ), y ∈[x ] } ，x ∈U ；