粗糙集模型拓及相关知识约简的研讨.pdfVIP

摘要 摘要 粗糙集理论是一门处理不精确、不确定信息的数学理论，是波兰数学家 Pawlak 教授 于 1982 年提出的，是一种新的知识获取方法，目前已被广泛应用于机器学习、模式识别、 决策分析、过程控制、数据库知识发现以及专家系统等领域。但是，实践应用表明经典粗 糙集理论存在一定的局限性，因此，对Pawlak粗糙集理论的推广一直是粗糙集理论研究的 主流方向.本文对粗糙集模型的拓展及相关知识约简主要作了如下研究工作： 首先，在不完备信息系统与模糊集的基础上，讨论了基于限制量化容差关系的不完备 模糊信息系统，将 VPRS 模型引入不完备模糊信息系统， 并讨论它的性质与精度约简， 是不完备信息系统的粗糙集理论的扩充,更具一般性。 其次，通过在广义双向 s-粗集中引入变精度参数，提出了变精度广义双向 s-粗集模型， 同时提出了变精度广义双向 s-粗集，定义了广义双向 s-粗集中的多数包含关系，借助引入 误差参数α(0 ≤α0.5) ，给出了变精度广义 s-粗集模型及其有关性质定理.通过实例分析并 验证了动态系统中由于属性集合的动态迁移特性与变精度参数变化所产生的广义 s-粗集的 上、下近似,边界和分类近似精度的变化关系。 最后，在集值决策信息系统中提出了一种新的基于变精度参数分类的二元关系，即变 精度相容关系，可以通过改变精度参数值来使分类更合理。同时，讨论了基于这种二元关 系下的集值信息系统的知识约简、分配约简及其属性特征，并给出了可辨识矩阵和基于矩 阵的属性约简算法。 关键词：粗糙集；不完备模糊信息系统；变精度；s-粗集；集值信息系统；约简 Ⅰ 英文摘要 Abstract th Rough set theory, introduced by Z.Pawlak in the early 1980s of the 20 century, is a new mathematical tool of dealing with uncertain information. With more than twenty years development, rough set theory has been successfully applied to many areas including machine learning, pattern recognition, decision analysis, process control, knowledge discovery from databases, and expert systems. But the applications of the theory show that there still exist some limitations. Thus, it is important to optimize Pawlak Rough set theory .The primary contributions are as follows: Firstly, we proposed the concept of incomplete and fuzzy information systems based on incomplete approximation spaces and fuzzy sets, and give the VPRS model of incomplete fuzzy information systems. The properties and the concepts of precision reduction are also presented here