粗糙集理论第2章.doc

  1. 1、本文档共25页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
实用标准文案 PAGE 精彩文档 定义1.3 设R 定义1.3 设R是论域U上的一个等价关系,[x]R表示包含x∈U的R中的一个概念或范畴(一个等价类),U/R表示R的所有等价类的簇(或U上的分类),称其为R的概念组或范畴组。 基本类就是等价类。 第2.1节 引言 粗集理论如何处理不精确概念(imprecise or vague concepts)? 第2.2节 粗集 定义2.1 设U是一个论域,R是U上的一个等价关系,XU . 如果X是一些R基本类(范畴)的并,则称X是R可定义的(R-definable),否则称X是R不可定义的(R-undefinable)。 R可定义集合系指在知识库K中可被精确定义的论域子集;R不可定义集合,系指在知识库K中不能被定义的论域子集。 R可定义的集合也被称作R精确集合(R-exact sets), R不可定义的集合被称为R不精确的(R-inexact),或R粗糙的(R-rough)。 定义2.2 设=(U,R)是一个知识库,XU . 若存在一个R∈IND(),使X是R可定义的,则称X是精确的(exact in )。若对任意R∈IND(),X都是R不可定义的,则称X是粗糙的(rough in )。 粗糙集合可以被近似定义,我们使用两个分别称为下近似和上近似的精确集合来定义。 第2.3节 集合的近似 定义2.3 给定知识库=(U,R),对于每一个子集X?U和一个等价关系RIND(), 我们分别称如下三个集合: = ?{Y?U/R:Y? X} ; = ?{Y?U/R:Y? X ??}; = ? 为X的R下近似(R-lower approximation),X的R上近似(R-upper approximation)和X的R边界(R-boundary)。 下近似和上近似的等价表达形式: ? ?{x?U;[x]R ? X} ? ?{x?U;[x]R ?X??} 或 x?当且仅当 [x]R ? X x?当且仅当 [x]R ?X?? 讨论: 是论域U中,在知识R下所有能确定地被分类(with certainty classified)为X的元素构成的集合; 是论域U中,在知识R下所有可能被分类为(possibly classified) X的元素构成的集合; 是论域U中,在知识R下所有不能确定地被分类(cannot be classified)为X或 ?X的元素构成的集合。 定义2.4 称POSR(X)?为X的R正区(R-positive region); 称NEGRX?U?为X的R反区(R -negative region); 称BNR(X) ??为X的R边界(R -borderline region)。 相应的, x?POSR(X),称x为X的一个R正例(R-positive example); x?NEGRX,称x为X的一个R反例(R-negative example); x?BNR(X),称x为X的一个R边界例(R-borderline example)。 讨论 正区POSR(X)(或下近似)是一些对象组成的集合,在知识R下它们能被完全确定地划分为集合X的成员。 反区NEGRX是一些对象的集合,在知识R下它们能明确地被确定不属于集合X,或者属于集合X的补集?X. 边界区是论域U的不可判定的区域,即在知识R下属于边界区的对象不能被确定地划分给X或划分给?X. 是论域U中一些对象的集合,在知识R下不能排除它们属于X的可能性,形式上是正区和边界区的并集(集合的并运算)。 命题2.1 X是R可定义的; X是R粗的 (证明?) 负区域(由白色方格组成) 负区域(由白色方格组成) 一个等价类 上近似(粉红色框围成的区域) X : 红色椭圆框围成的区域 下近似(由两个深蓝色方格区域组成),即正区域 可看出,是被X包含的R可定义的最大集合,是包含X的R可定义的最小集合。 第2.4节 近似的性质 由定义2.3可直接得到下近似和上近似的一些性质: 定理2 .2 ; U?U? U 性质7 性质7)和8)是很重要的,因为它们不允许近似的逐步(步进的)计算。事实上,性质7)和8)表明一个“分布的”知识库内的知识通常少于把分布的知识集成在一起的一个知识库的知识。换言之,把知识库划分为更小的单元通常会导致信息丢失。 性质9)和10)也是非常有意义的,它们阐述了集合的下近似和上近似之间关系的本质。 1a) 若x∈,则 ,又因,因此,所以 . 1b) 若,则(因为),故, 所以 .

文档评论(0)

linlin921 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档