第04讲智能决策理论与方法1.pptVIP

* 决策理论与方法-智能决策理论与方法 经典粗糙集模型 R1={T1}：U/R1={{p2, p3, p5}，{p1, p4, p6}}； R2={T2,T1}：U/R2={{p1, p4, p6}, {p2, p5}, {p3}}； R={T1, T2, T3}：U/R=({p1}, {p3}, {p6}, {p2, p5},{p4}}; F={E}：U/F={{p1, p2, p3, p6}, {p4, p5}} X1={p1, p2, p3, p6}是R粗糙集，X1的R下近似是{p1, p3, p6}，R上近似是{p1, p2, p3, p5, p6}，边界域为{p2, p5}； X2={p4, p5}也是R粗糙集，X2的R下近似是{p4}，X2的R上近似是{p2, p4, p5}，而边界域是{p2, p5}。 * 决策理论与方法-智能决策理论与方法 粗糙集数字特征 精度： X的R精度反映了我们对于了解集合X的知识的完全程度。αR(X)=1为精确集， 0≤αR(X)1为粗糙集。 粗糙度：X的R粗糙度反映了我们对于了解集合X的知识的不完全程度。(精度与概率或隶属度的区别) 隶属度：是根据可用知识R，对象x隶属于概念X的条件概率。 * 决策理论与方法-智能决策理论与方法 粗糙集数字特征 知识R={T1, T2, T3}：U/R=({p1}, {p3}, {p6}, {p2, p