论文部分内容阅读
现实世界纷繁复杂,导致人类认知世界的信息具有大量不确定性。作为粒计算理论两大分支的粗糙集和模糊集理论,是处理这些不确定性问题的有效方法。近些年人们开始尝试用更多广义的粒计算理论来处理这一问题。覆盖粗糙模糊集和邻域系统粗糙集作为一般模糊集和粗糙集的扩展理论,逐渐成为众多学者研究的热点。 本文主要对覆盖粗糙模糊集、邻域系统粗糙集的不确定性度量进行研究。 本文主要工作如下: (1)针对覆盖近似空间下的粗糙模糊集,研究其不确定性程度,提出度量修正准则,通过比较上、下近似集隶属度与原模糊集的隶属度之间的不同之处,提出修正粗糙度的概念。举例说明该方法的准确性。 (2)介绍了邻域系统粗糙集的基本概念及性质,构造粗糙隶属函数,提出邻域系统粗糙集的模糊熵。举例证明该方法符合人们的认知,并且当邻域系统粗糙集退化成精确集时该方法仍然适用。实例分析邻域系统粗糙集的模糊熵及粗糙熵的优缺点,比较发现邻域系统粗糙集的模糊熵更能精确反应其不确定性。最后通过实验对比分析,证明利用该模糊熵方法对邻域系统进行属性约简是有效的。