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。
本文来源: https://www.lw50.cn/article/36af31f496ee3bdb5d772d61.html