一种新的信息熵在粗糙集度量与属性约简中的应用.pdfVIP

迥苎墼堡奎兰堡圭兰堡垒耋 量=至丝堡 糙集属性约简方面的研究大多屉在代数意义下的，主要讨论这些约简之间的关系、约 简算法、约简复杂性以及在各种实际问题中的应用．基于信息熵的属性约简的讨论还 比较少．文12l’28J利用Shannon信息熵讨论了协调决策表的属性约简，给出了这种约 简与一些代数意义下约简之间的关系．本文利用一种新的信息熵，研究在熵意义下的 粗糙集度量与属性约简问题． 1．2本文研究的主要内容 本文研究粗糙集的不确定性度量和基于信息熵的属性约简问题．具体结构安排如 下： 第一章叙述课题研究背景、国内外研究现状和研究意义． 第二章首先改进模糊熵的公理化定义，并给出模糊集合的一种新的模糊熵，进而 定义经典划分与模糊划分的熵与条件熵，并讨论它们的基本性质． 第i章作为Pawlak粗糙集模型的一种推广，讨论基于t一模的广义模糊粗糙集模 型．利用粗糙隶属函数的模糊熵，定义基于t一模的广义粗糙集的不确定性度量．由于 粗糙集的不确定性不仪来自近似空间本身，也来自被近似的集合的模糊性，由此我f『J 证明当且仅当对于经典可定义集合，其粗糙模糊性度量等于0． 第四章研究基于一种新的信息熵的属性约简问题．对于信息系统和决策表两种情 形，定义基于信息熵的属性约简，并讨论在代数意义下和信息熵意义下的属性约简之 间的关系． 第五章为总结，概括本文的主要结果，说明本文的工作意义，并指出有待进’步 解决的问题． 2 河北师范大学硕士学位论文 第二章一种新的信息熵及其性质 第二章 一种新的信息熵及其性质 本章首先改进模糊熵的公理化定义。给出模糊集合的一种新的模糊熵，进而定义 经典划分与模糊划分的熵与条件熵，并讨论它们的基本性质． 2．1 模糊集的熵的公理化定义 设U；{钆％…，％}是非空有限集合，称为论域，U的所有经典与模糊子集全 程度．如果A∈P(￡，)，那么A(-)就是集合A的特征函数．Va∈[0，l J，用堡表示常数模 糊集，其隶属函数为，垒(z)=o，％∈以文㈦给出了模糊集的熵的公理化定义． 定义2．1 实函数E：，(u)一[0，1]称为，(u)上的熵，如果满足以下条件： (E1)E(A)=0当且仅当A∈尹(∞； (E2)E(A)=1当且仅当A=立点； (E3)若d(A，Q国≥d(B，Q点)，则E(A)≤E(B)， 广■■———一—— 其中d(A，日)=，坞￡(A(z。)一B(扎))2是两个模糊集A和B的距离； V‘拉1 (E4)E(A)=昱(一∞，其中一‘4是A的补集。 此时，E(A)称为A的模糊熵． 在以上条件(E3)中，如果我们利用模糊集之间的其它的距离函数，例如Minkowski 距离，我们就可以得到模糊集的模糊熵的其它形式的定义． 模糊集的熵也可以理解为模糊集的模糊性测度．因此，定义2．1中的条件可以分 另Ⅱ解释为， (E1)经典集是不模糊的； (E2)模糊集Q五是最模糊的； (E3)模糊集越接近立参它就越模糊； (E4)—个模糊集和它的补集有相同的模糊度． De 统地研究了模糊集的熵、距离测度和相似测度的公理化定义，并讨论了这些测度的一 些基本性质．在Liu的定义中，定义2．1中的条件(E3)被替换为 3 以知)≤0．5时，Bp)≤以(z))，那么E(A)≥E(且)． 直观上理解，定义2．1中的“陡”是在甲均意思下的．因此，定义2．I给出的熵的概 念比Liu的定义更严格．如果我们在，(c，)上定义一种关系‘碲：VA，B∈，(【，)，ArB甘 定义下并不是全序集． 对于任一模糊集A∈爿∽．我ff弹}使用以下测度 酬CA (2．1) 2；著A(‰)(1“鼢xd) 命题2．1 由(2．1)式定义的测度E是，(