基于覆蓋的粗糙Vague集模型及Vague信息系統(tǒng)屬性約簡研究.pdf

1、粗糙集理論是一種新的處理不確定、不精確、不完整知識的數學分析工具,與其他處理不確定和不精確問題理論的顯著區(qū)別是它無需提供問題所需處理的數據集合之外的任何先驗信息,對問題的不確定性描述或處理比較客觀,目前在知識獲取、模式識別、醫(yī)療數據分析、智能控制等領域具有廣泛的應用。然而該理論未能包含處理不精確或不確定原始數據的機制,所以與概率論、模糊數學和證據理論等其他處理不確定或不精確問題的理論有很強的互補性。同時現有的粗糙集理論對模糊屬性值的信息

2、系統(tǒng)缺乏相應的處理能力,如何擴展現有的粗糙集理論模型及方法,以適應模糊不確定數據是目前粗糙集理論的一個研究方向。
　　 Vague集理論是在模糊集理論基礎上發(fā)展起來的更加符合人類思維習慣的模糊信息處理方法,它為我們處理模糊性問題提供了一種嶄新的思路。
　　 本文在深入分析粗糙集理論在處理模糊信息方面的局限性以及Vague集理論自身優(yōu)勢的基礎上,對經典粗糙集理論進行了擴充,主要創(chuàng)新點在于:
　　 (1)經典粗糙集理

3、論把知識看成是對論域的劃分,由于實際應用中等價關系構造的困難性和不必要性,本文重點研究了覆蓋知識空間。在此基礎上,更進一步將經典粗糙集理論中集合的精確值集推廣到了Vague集,提出了基于覆蓋的粗糙Vague集模型,并且證明了模型的一些性質。通過定義覆蓋的粒度熵和覆蓋的知識含量,同時結合粗糙度的概念,分別給出了基于粒度熵和基于知識含量的覆蓋粗糙Vague集模型的不確定性度量方法,并通過實例分析說明了兩種不確定性度量方法的有效性。
　

4、　 (2)針對目前粗糙集理論在處理用Vague概念描述屬性值的信息系統(tǒng)時的局限性,深入研究了序Vague信息系統(tǒng),定義了Vague值間的序關系。為了有效地對序Vague信息系統(tǒng)進行屬性約簡,定義了序Vague信息系統(tǒng)的優(yōu)勢類,從信息系統(tǒng)中屬性值的增加或減少而導致知識粒度變化的角度,采用粒度計算的方法定義了屬性重要性度量,在此基礎上提出了一種啟發(fā)式序Vague信息系統(tǒng)的屬性約簡算法,分析了算法的時間復雜度,最后的實例分析說明了算法的有效