覆盖近似空间中粗糙集的不确定性度量研究

合集下载

基于覆盖的区间直觉模糊粗糙集

基于覆盖的区间直觉模糊粗糙集
t i o n s p a c e . T he i n t e r v a l — v a l u e d i n t u i t i o n i s t i c f u z z y r o u g h s e t mo d e l s b a s e d o n a i n t e va r l — v a l u e d i n t u i t i o n i s t i c f u z z y c o v e r i n g a r e

要: 在 经 典 的覆盖 近 似 空 间 中, 定 义 了 区间直 觉模 糊概 念 的粗 糙 近似 。通 过 区间直 觉模 糊覆 盖概 念 , 给 出 了一种 基 于
区间直 觉模 糊 覆盖 的区 间直 觉模 糊 粗糙 集模 型 。讨论 了两种模 型 的 一些相 关性质 。 关键 词 : 覆盖; 粗糙 集; 区 间直 觉模 糊 集; 近似 算 子; 粗糙模 糊 集
C o m p u t e r E n g i n e e r i n g a n d A p p l i c a t i o n s 计 算机 工程 与应 用
基 于 覆 盖 的 区 间直 觉 模 糊 粗 糙 集
王 艳平 , 孙 静, 陈美巍
W ANG Ya npi ng,S UN J i ng ,CHEN M ei we i
文献 标志 码 : A 中 图分 类号 : T P 3 9 1 d o i : 1 0 . 3 7 7 8 / j . i s s n . 1 0 0 2 - 8 3 3 1 . 1 1 0 6 — 0 2 6 9
1 引言
P a w l a k 粗 糙 集 模 型 的推广 , 是粗 糙 集研 究 的一 个 主
E n g i n e e r i n g a n d Ap p l i c a t i o n s , 2 0 1 3 , 4 9 ( 2 ) : 1 5 5 - 1 5 6 .

基于覆盖约简的粒度空问及粗糙集模型研究

基于覆盖约简的粒度空问及粗糙集模型研究

有 限论 域 , 所 有 在 U上定 义 的粒可 被解 释为 2 的子
集( 2 是 U 的幂 集 ) , 定 义一个 三元 组 ( u, S 。 , s ) , 其
中 S 。 2 ( 2 是 己 , 的幂集 ) 是基 本粒 , S 2 是 可 定 义粒 族. S 。 也是 基本 集族 , 即基本 粒 ( 也 叫基 ) . 可 定义 粒族 S是 基 本集 的超集 族 或 者子 集族 , 称 为粒
S。 } , 称( U, S 。 , S )是并 可约 的 , 如 果它 满足

度 空间模 型. 然而 , 以上两种方法 在约简粒度 空间 的过 程 中运算量较 大 , 针对这一 问题 , 本文通 过在覆盖上 建 立偏序关 系 , 并结合偏序关 系的哈斯 图, 给出一种约 简 粒度 空间的新方法. 之后 , 讨论 了基于覆盖 的并可约粒
收 稿 日期 : 2 0 1 2 — 1 0 — 2 7 基 金项 目: 宁 夏 自然 科 学 基 金 资 助 项 目( NAl 1 2 5 3 ) ; 宁夏 高校 科研 基 金 资助 项 目( 2 0 1 1 0 2 3 7 ) ; 宁 夏 师 范 学 校 创 新 团队 子 项
目( 2 0 7 0 0 1 1 )
度 空 间上 粗 糙 集 模 型 及 其 性 质 .
1 )U S 。 一 u; £ = 1
2 ) S 。 , ≠U S 。 , i , 一 1 , 2 , …, , i ≠J ,
( 1 )
( 2 )
称三元组 ( U, S 。 , S )为并 可约 粒度空 间. ( 1 ) 式 表示 基
称 为粒 度空 间.
价关系进行推广 , 如基于相似关 系下 的粗 糙集模 型I 2 ] 、 基于覆盖的粗糙集模 型_ 3 ] 、 粗糙模糊集和模糊粗糙集 模型l _ 7 _ 镥 等, 这些模 型的 提 出丰 富了粗糙 集理论 , 为粗

不同知识粒度下粗糙集的不确定性研究

不同知识粒度下粗糙集的不确定性研究

下 , 属 性 的 角 度 , 出 了 分 层 递 阶 的 知 识 空 间 链 , 现在 分 层 递 阶 的知 识 粒 度 下 部 分 文 献 中 定 义 的粗 糙 集 的粗 糙 从 给 发 熵 和模 糊 度 随知 识 粒度 的 变 化 规 律 不 一 定 符 合 人 们 的 认 识 规 律 . 信 息 熵 的 角度 提 出 了一 种 粗 糙 集 不 确 定 性 的 模 从
王国胤” 张清华”
成都 重庆 603) 10 1 406) 0 0 5 ( 南交通大学信息科学与技术学院 西 ( 庆 邮 电大 学 计 算 机 科 学 与 技 术 研 究 所 重
摘要Βιβλιοθήκη 粗 糙 集 的 不 确 定性 度 量 方 法 , 目前 主要 包 括 粗 糙 集 的 粗 糙 度 、 糙 熵 、 糊 度 和 模 糊 熵 . 不 同 知 识 粒 度 粗 模 在
糊 度 度 量 方 法 , 明 了这 种 模 糊 度 随知 识 粒 度 的减 小 而 单 调 递 减 , 补 了现 有 粗 糙 熵 和 模 糊 度 度 量 粗 糙 集 不 确 定 证 弥
性 的 不足 . 后 , 析 了 在 不 同 知 识 粒 度 下 粗 糙 度 和 模 糊 度 的变 化 关 系 . 最 分 关键 词 粗 糙 度 ; 糙 熵 ; 糊度 ; 识 粒 度 ; 空 间 粗 模 知 商
中 田 法分 类 号 TP 8 I
Unc r a nt f Ro g e s i f e e n wldg a l r te e t i y o u h S t n Dif r ntK o e e Gr nu a ii s
W ANG oYi ' Gu — n ∞ Z ANG n — a H Qig Hu t
A s at R u n s , o g n rp , uz es a dfzye t p r jr to sfr au — bt c r o g e s r u he to y fzi s , n uz nr yae n o ma h d s r o me o me

三类正负域覆盖粗糙集模型及其算子公理化

三类正负域覆盖粗糙集模型及其算子公理化

三类正负域覆盖粗糙集模型及其算子公理化苏礼润【摘要】覆盖广义粗糙集是经典粗糙集的一种理论和应用上有意义的推广.针对覆盖广义粗集边界过于粗糙及运算公理化定义难以得到的不足,首先,基于正、负域的定义,给出了三类正负域覆盖粗糙集模型的定义.其次,研究了这三类正负域覆盖粗糙集的一些基本性质.最后,从负域算子的角度,分别给出了这三类正负域覆盖粗糙集的公理化系统,并验证了它们之间的独立性.【期刊名称】《东莞理工学院学报》【年(卷),期】2017(024)003【总页数】6页(P17-22)【关键词】粗糙集;覆盖;正域;负域;上近似;公理化【作者】苏礼润【作者单位】福州外语外贸学院语数教学部,福州350202【正文语种】中文【中图分类】O14粗糙集理论[1]是一种刻画不完整和不确定性的有效数学工具,它正被广泛应用于机器学习、数据挖掘、决策分析和模式识别等领域。

自1982年由波兰数学家Pawlak首次提出以来,经过二十几年的研究与发展,已经在理论和实际应用上取得了长足的发展特别是由于八十年代末和九十年代初在知识发现等领域的成功应用而受到了国际上的广泛关注。

目前它已经在人工智能知识与数据发现、故障检测等方面得到了成功的应用[2-6]。

在Pawlak粗糙集模型中,论域上的等价关系起着至关重要的作用,基于等价关系形成的划分构造了论域上的上、下近似算子用于刻画不精确概念并进而研究相应的知识约简与知识获取问题。

但在很多实际问题中,对象之间的等价关系很难构造或者对象之间本质上没有等价关系。

为了推广粗糙集理论的应用范围,根据一些具体问题,人们对Pawlak粗糙集模型经行一些有意义的推广,继而出现了覆盖广义粗糙集、变精度粗糙集及模糊粗糙集等。

更多的,为了完善这些模型体系,一些学者研究了这些模型的公理化问题,Yao研究了基于一般二元关系粗糙集模型的性质及其公理化,Zhu[7-9]等针对Bonikowski[10]提出的覆盖粗糙集模型做了建设性的研究,并解决了其下近似算子的公理化问题。

粗糙集理论及其应用研究

粗糙集理论及其应用研究

粗糙集理论的核心内容
知识的约简与核
知识的约简: 通过删除不重 要的知识,保 留关键信息
核的概念:核 是知识的最小 表示,包含所 有必要信息
核的性质:核 具有独立性、 完备性和最小 性
核的求取方法: 基于信息熵、 信息增益等方 法进行求取
0
0
0
0
1
2
3
4
决策表的简化
决策表:用于描述决策问题的表格 简化目标:减少决策表的规模,提高决策效率 简化方法:合并条件属性,删除冗余属性 简化效果:提高决策表的可读性和可理解性,降低决策复杂度
粗糙集理论在聚类分析中的应用:利用粗糙集理论处理不确定和不完整的数据,提高聚类 分析的准确性和效率。
聚类分析在数据挖掘中的应用:可以帮助发现数据中的模式和趋势,为决策提供支持。
粗糙集理论在其他领域的应用
决策支持系统
粗糙集理论可以帮助决策者 处理不确定性和模糊性
粗糙集理论在决策支持系统 中的应用
粗糙集理论可以提高决策支 持系统的准确性和效率
粗糙集理论在决策支持系统 中的实际应用案例分析
智能控制
粗糙集理论在模糊控制中的 应用
粗糙集理论在智能控制中的 应用
粗糙集理论在神经网络控制 中的应用
粗糙集理论在自适应控制中 的应用
模式识别
粗糙集理论在模式 识别中的应用
粗糙集理论在图像 识别中的应用
粗糙集理论在语音 识别中的应用
粗糙集理论在生物 信息学中的应用
添加标题
添加标题
ห้องสมุดไป่ตู้添加标题
添加标题
机器学习
粗糙集理论在机器学习中的应用 粗糙集理论在数据挖掘中的应用 粗糙集理论在模式识别中的应用 粗糙集理论在自然语言处理中的应用

邻域粗糙集中不确定性的熵度量方法

邻域粗糙集中不确定性的熵度量方法

邻域粗糙集中不确定性的熵度量方法摘要:本文提出了一种基于邻域粗糙集中不确定性的熵度量方法。

该方法通过将空间上形成的粗糙集拆分成多个邻域,以计算各个邻域中元素之间的不确定性而实现熵度量。

结果表明,与传统的熵度量方法相比,该方法能够更准确地反映不确定性的大小和分布,从而更有效地识别复杂的空间结构。

关键词:熵度量,邻域粗糙集,不确定性正文:一、引言随着信息技术的发展和普及,数据处理技术也发生了较大的变化,从而使得空间数据处理技术变得越来越重要。

空间数据处理是指数据处理时涉及到空间变化、空间位置和空间关系。

精确处理空间数据需要考虑不确定性的大小和分布特征。

目前,对空间数据中的不确定性进行度量的方法一般采用熵计算的方法,但是传统的熵度量方法存在一定的缺陷,如无法准确地识别复杂的空间结构,等等。

二、提出的方法为了解决上述问题,本文提出了一种基于邻域粗糙集中不确定性的熵度量方法。

该方法将拟合的空间结构分割成多个邻域,并将其中的元素根据其距离结构进行拆分,从而获得每个邻域中元素之间的不确定性。

本文提出的方法能够更准确地反映不确定性的大小和分布,从而更有效地识别复杂的空间结构。

三、实验结果为了验证本文提出的方法的可行性和有效性,本文对不同数据进行了实验,结果如下:与传统的熵度量方法相比,本文提出的方法在处理不确定性的准确度上有显著提高,能够更准确地反映不确定性的大小和分布。

四、总结本文提出了一种基于邻域粗糙集中不确定性的熵度量方法,该方法能够更准确地反映不确定性的大小和分布,从而更有效地识别复杂的空间结构。

实验结果表明,该方法的准确度明显高于传统的熵度量方法。

五、可能的改进在当前的研究中,仅考虑了邻域内的不确定性,忽略了整个空间的不确定性,因此有可能导致得出的结果存在一定的误差。

未来的研究可以将这两者结合起来,从而更好地描述复杂的空间结构。

六、结论本文提出了一种基于邻域粗糙集中不确定性的熵度量方法,该方法能够更准确地反映不确定性的大小和分布,从而更有效地识别复杂的空间结构。

经典粗糙集理论

经典粗糙集理论
粗糙集理论能够处理不确定性和模糊性,而神经网络则能够通过学习过 程找到数据中的模式。将粗糙集与神经网络结合,可以利用粗糙集对数 据的不确定性进行建模,并通过神经网络进行分类或预测。
粗糙集可以用于提取数据中的决策规则,这些规则可以作为神经网络的 训练样本。通过训练,神经网络可以学习到决策规则,并用于分类或预 测。
边界区域
近似集合中的不确定性区 域,即既不属于正域也不 属于负域的元素集合。
粗糙集的度量
精确度
描述了集合中元素被近似集合 包含的程度,即属于近似集合
的元素比例。
覆盖度
描述了近似集合能够覆盖的元 素数量,即近似集合的大小。
粗糙度
描述了集合被近似程度,是精 确度和覆盖度的综合反映。
知识的不确定性
描述了知识表达系统中属性值 的不确定性程度,与粗糙度相
经典粗糙集理论
目录
• 粗糙集理论概述 • 粗糙集的基本概念 • 粗糙集的运算与性质 • 粗糙集的决策分析 • 粗糙集与其他方法的结合 • 经典粗糙集理论案例研究
01 粗糙集理论概述
定义与特点
定义
粗糙集理论是一种处理不确定性和模 糊性的数学工具,通过集合近似的方 式描述知识的不完全性和不确定性。
粗糙集理论中的属性约简可以用于简化神经网络的输入特征,降低输入 维度,提高分类或预测的准确率。
粗糙集与遗传算法
01
遗传算法是一种全局优化算法,能够通过模拟自然界的进化过程来寻找最优解 。将粗糙集与遗传算法结合,可以利用粗糙集对数据的分类能力,结合遗传算 法的全局搜索能力,寻找最优的分类规则或决策规则。
02
粗糙集可以用于生成初始的分类规则或决策规则,然后利用遗传算法对这些规 则进行优化,通过选择、交叉、变异等操作,寻找最优的规则组合。

覆盖概率粗糙集的模糊性

覆盖概率粗糙集的模糊性

粗糙集【 为处理不完全 、 作 不精确 、 不确定性 数据信息 的数
学理论 , 由波兰数学 家 P wa . 1 8 是 a lk Z于 9 2年提 出的 。粗糙集 理 论的基本 思想是基于论域上 的等价关系( 满足 自反性 、 对称 性和传递性 ) 所形成的划分 , 用一对精 确集合称之为上 , 下近似 来刻画未知的不精确性对象。近年来 , 粗糙集已成功应用 于数 据挖掘 、 知识发现 、 模式识别与分类 、 过程控制 以及智能决策等 领域 。 随着粗糙集理 论研究的深入 , 许多学者利用容 差关系 , 相 似 关系 等对经 典 Pwa . a l Z粗糙 集模 型 进行 了 各种推 广 _ 。 k 2 -
兰州交通大学 交通运输学院 , 兰州 7 0 7 300
S h o f T af n r n p r t n, a z o io o g U ies t , a z o 3 0 0, h n c o l o r f c a d T a s o t i L n h u J a t n n v r i L n h u 7 0 7 C i a i ao y
Ab t a t sr e :T e mi i I s b o e i g 0 n l me t h n ma u c v r f a y ee n n i h nv r e i e n d y t e mi i l d s rp in o i h l si a n t e u i es s d f e b h nma e ci t f z n t e c a sc l i o
关键词 : 粗糙 集; 最小子覆盖 ; 覆盖概率近似空间
DOI1 . 7 /i n10 — 3 1 0 01. 9 文章 编 号 :0 2 8 3 (0 0 1— 0 2 0 文献 标识 码 : 中 图 分类 号 : 5 :03 8 .s. 2 8 3 . 1 . 0 7 js 0 2 60 10 — 3 12 1 )6 0 3— 3 A 019
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

c( =c( u{ X) ) KEMd ) ∈X—c x) ( I ( }
其 中 C X 和 C X 分别是 在 近似空间 s中的上 、 () () 下近似 。特
别 地 , C )=C X 称 是 s可定义 的 , 若 ( ( ), 或粗糙集 c ) ( 是 精 确 的。否 则 , 称 是 s不 可 定 义 的 , 粗 糙 集 c )是 粗 或 (
个 对象 , 则 在该 近似空间上 的描述集 和最小描述集为 : 朋 ) K∈CI ∈K^V c ∈L^L jK= ) ( ={ x ( K L} 对象的描述集是对 象在 给定知识 下不 可分 辨对象 的簇 集 , 而最小描述集则是描 述对象 分辨 能力 的最 小集 , 即在描述 集 中 对 于该 对象可分辨 的对象 组在最小描述集 中也是可分辨 的。 定义 3
相 比, 盖近似空间 中概念不一定是分离 的 , 覆 因而论域 中的每个 对象不一定仅仅 属于一个分块 , 而有可能属 于多个分块 。
收稿 日期 :0 1— 9一叭 。2 1 21 0 0 1中国计 算机大会论文。重庆市教育
委员会科学技 术研 究项 目( J 15 2 K 10 2 ) K 10 1 , J 15 2 。胡 军, 讲师 , 主研 领 域: 智能信 息处理 , 粒计算 , 粗糙集 。
e to y a d f z y d g e .T ru h a ay i g t e e u c r i t a u n t o s ti e e ld t a h y alb a o rai n l y u d r n r p n u z e r e h o g n l zn h s n e t ny me s r g me h d ,i s rv ae h tt e l e r s me i t a i n e a i r o t s e i e i a in .A u z e r e o u h s t i p o o e h l sr lt e p o e i sa ep o ie n ai ae .An lssh s p o e a p cf d st t s i u o f z y d ge f o g e s s r p s d w i i ea i r p r e t r vd d a d v l td r et v t d ay i a r v n t t h t e u c rany me s r g a p o c v r o ste i a in l iso r ra p o c e , Oi p o i e t o o a u i gt e u c ran y o h n e ti t a u i p r a h o ec me h r t a i e f o me p r a h s S t r vd sameh d f r n r o t f me s rn n et i t f h
年来得到 了人 们越 来越 多 的关 注
。对 于覆 盖近 似空 间 中
0 引 言
模糊集理论和粗糙集 理论都 是经典 集合理 论 的扩展 , 它们 分别用两种不同 的方法来 处理模糊 边界 , 而为不 确定信 息处 从 理提供方法。模糊集理论用隶属 函数来刻 画对象 与集 合之 已有 的粗 糙度 的定 义 , 1]
给出了覆 盖粗糙集 的粗糙度 。同时, 文献 [ 0 提 出覆盖 近似 空 1] 间的知识 粗糙 熵 , 并基 于此定 义 了覆 盖粗糙集 的粗 糙熵 。文献 [6 和文献 [7 分别 提出了两种不 同的覆盖粗糙 集 的模 糊度 。 1] 1] 本文对 已有这 些度 量方法进 行 了研究 , 过实例 说 明了它们 在 通 特定情况下 的不合理性 , 出了一种新 的覆 盖粗糙集的模 糊度 , 提 结论表明该模糊度克服 了已有度量 方法 的不合理 性 , 更符合 人
克服 了已有方 法存在 的不合理 性, 为覆盖粗糙集 的不确定 性度 量提供 了方法。
关键词 中图分类号 覆盖 粗糙 集 模 糊度 粗糙度 粗糙隶属 函数
T 11 P 8
文献标识码

UNCERTAI NTY EAS UNG TUDY M UI S oN Ro UGH ETS I COVERI S N NG
相 同的上 、 下近似 , ( 且C ):{ , } C( , X)={ ,: , } , , 贝 P X) p ,X)= ( 0 c( = G( p )=12 / 。并且 , C )= , ( z E( 2 E C )=
E( 3 C )=1 。所 以 , c( E )=1E , ): c( , c( E )=12 /。
第1 1期
定义 2
胡军: 覆盖 近似 空间 中粗糙 集 的不 确定 性度量 研 究
设 S= ( , )为覆盖近似空 间, 为 中的一 C A ( = { ∈ Cl ∈K} d ) K
l1 8
:,

} C ={ , , , } 和 , . 分别是 f上 的 3个覆盖 , / 其
( )=c ) C ) ( 一 ( 和负域
() a{ : x— m { =
兰 ・∈ K/ rd c } ^ e ( I ) 、 A ∈ 乙 }
N G( E )= U—C X)。其 中 , 域和 负域 中的对 象与 子集‘ ( 正 的关 系是确定 的 , 边界 域 中的对 象 与 子集 的关 系 是不 确 而
APPRoXI ATI M oN SPACE
Hu J n u
(colfC m ue Si c a dTcnlg ,C ogigU i rt ota dTl o u i t n , hn q g4 0 6 C ia Sh o o o ptr c ne n eh o y hn q nv syo P s n e cmm nc i s C og i 0 0 5,hn ) e o n ei f s e ao n
们的认知规律 。
基 于 覆 盖 的粗 糙 集 扩展
为了讨论方便 , 下面简要介 绍基 于覆盖 的粗糙 集扩展模 型
的相 关 概 念 。
模糊集 和粗糙集 之间的相互转 换 , 而实 现模糊 性和粗 糙性 之 从
间 的相 互 转 化 。
不确定性度 量是粗糙集理 论 的关键 问题 , 们对此 进行 了 人
c v rng r u h s t. o e i o g es
Ke wo d y rs
C v r g Ro g e F zi e s Ro g n s Ro g mb r h p f n t n o ei n u h s t u zn s u h es u h me e s i u c i o

中 K ={ ,2 , ={ ,4 , ={ , } K1={ } 2 l 1 } 3 } 5 6 , l l , = { } l 5 , 3={ } 2 , ={ }K2 6 。
的子集 ={ , , } ( , 、 u, ) ( ) 。 在 c ) ( 和 , 中有
糙 的。 并且 , 、 上 下近似将论 域 分割成 三个 不相交 的区域 , 即正
集 ( ) ( , 和 《) 其隶属函数分别是
, 、

广一
l( ( ) U Md u )n l
() 暇
( ) , ,L , 2

域 P S( O 。 )=C )、 界域 ( 边
基于近似精度定 义 的 , 它在 数量 上等 于 1与 近似精 度 的差 J 。 文献 [ ] 于信息 理论 提 出了知识 粗糙 熵 , 将粗 糙集 的粗糙 4基 并 熵定义 为知识粗 糙熵与粗糙度 的乘 积 。文献 [ ] 5 通过 量化论 域 中对 象与 目标集合的隶属关 系 , 建立粗糙 集 到模糊集 的映 射关 系 , 出粗糙集 的模糊度 。基 于同样 的方 法 , 提 文献 [ 7 提 出两 6,] 种 粗糙 集的不确定性度量方法 。这些研究为粗糙集 的不确定性 度量提供 了方法 , 是它们都是基于 P wa 但 a lk近似空间的。 基于覆盖 的粗糙集模 型是 粗糙集 扩展模 型 的一 类 , 且近 并
A src bta t
F r n e a t m auigo ruhst i oe n p r i a o pc , h ao apoce s r uhdge , o g o u cr i y esr fo g es ncvr gapo m t nsae tem jr prahsi uea r g ere ruh tn n i x i n eo
第2 8卷 第 1 期 1
21 0 1年 1 1月
计算机 应 用与软 件
Co u e p ia in nd S fwa e mp tr Ap lc t s a o o t r
Vo . . 1 1 28 No 1
NO . 2 1 V 01
覆 盖 近 似 空 间 中粗 糙 集 的 不 确 定 性 度 量 研 究
隶属关系 , 用模 糊的方法来处 理不确 定信 息… 。粗 糙集理 论用 上 、 近 似来 逼 近 目标 集合 , 精 确 的方 法 来 刻 画 不 确定 信 下 用 息 。模糊性和粗糙 性分 别是 不 确定 性在模 糊 集 和粗糙 集上 的反映 。虽然不 确定 性在 模糊 集 和粗糙 集 的表 现形 式上 不一 样 , 它们 对不确定性 的刻画本 质上是 一致 的。因而可 以通过 但
定 的。 定义4 C是论域 上 的一个 覆盖 , 于 c中的任 意块 对

lI I I 、
定 义 7】 _
胡 军
( 重庆邮电大学计算机科学与技术学院 重庆 40 6 ) 00 5


对 于覆 盖近似 空间 中粗糙集的不确定性度量 , 目前 的方法主要有粗糙度 、 糙熵和模 糊度。通过分析这些不确定性度 量 粗
方法 , 发现在特 定的情况下它们都存在 一定 的不合理 性。提 出一种粗糙集 的模糊度 , 出并证明 了相关性质。分析表 明该度量方 法 给
相关文档
最新文档