论文摘要
粗糙集理论是一种分析和处理不精确、不一致和不完整等不完备信息的新型数学工具。粗糙近似算子是粗糙集理论的核心概念,它主要依赖于定性的包含关系,难以处理定量包含关系问题。此外,粗糙集理论难以处理随机性问题、模糊性与随机性共存的问题。本文利用包含度来定量描述近似空间中的包含关系,提出了两种基于包含度的广义粗糙集模型—基于包含度的随机粗糙集模型和基于包含度的模糊随机粗糙集模型,从而利用粗糙集的思想分别处理随机性问题、模糊性与随机性共存的问题。本文进一步讨论了两种广义粗糙集模型粗糙近似算子的性质,并将基于包含度的模糊随机粗糙集模型应用到分类中。
论文目录
摘要Abstract第1章 绪论1.1 粗糙集理论的产生与研究现状1.2 基于包含度的广义粗糙集模型的提出及意义1.3 本文的主要内容第2章 预备知识2.1 粗糙集理论的基本知识2.2 包含度的定义2.3 随机集与模糊随机集的基本概念第3章 基于包含度的随机粗糙集模型3.1 基于包含度的随机粗糙集近似算子3.2 基于包含度的随机粗糙集近似算子的性质第4章 基于包含度的模糊随机粗糙集模型4.1 基于包含度的模糊随机粗糙集近似算子4.2 基于包含度的模糊随机粗糙集近似算子的性质4.3 一个例子第5章 结论与展望参考文献攻读硕士学位期间撰写的论文致谢
相关论文文献
标签:粗糙集论文; 包含度论文; 随机集论文; 模糊随机集论文; 决策表论文;