论文部分内容阅读
粗糙集理论与证据理论都是处理不确定性知识的数学工具。近年来，将粗糙集理论与证据理论相结合，研究随机信息系统的知识发现问题，成为一个有活力的研究方向。在这种研究背景下，本文以证据理论中的mass函数为基本工具，研究随机信息系统的知识约简与知识发现问题。
首先，提出了用证据理论中的信任测度和似然测度定义Pawlak近似空间(U，R)中粗糙度的方法，分别研究了Pawlak近似空间中被近似的概念是经典集和模糊集时证据理论中的粗糙度的性质，证明了粗糙度不等式。
其次，研究了随机信息系统基于证据理论的知识约简。借助mass函数，研究了不协调的目标随机信息系统中信任测度和似然测度分别与不协调的目标信息系统的正域约简和分配约简的关系，得到了不协调的目标随机信息系统基于证据理论的正域约简和分配约简的方法。
最后，提出了随机信息系统和目标随机信息系统的β-近似约简的概念，分析了它的一些特性及其与已有约简概念的关系，证明了β-近似约简是信息系统和目标信息系统的属性约简概念的推广，并通过实例说明了约简方法。