积模糊粗集模型及其模糊知识粒的表示和分解

摘要：

为处理人工智能中不精确和不确定的数据和知识,Pawlak提出了粗集理论.之后粗集理论被推广,其方法主要有二:一是减弱对等价关系的依赖；二是把研究问题的论域从一个拓展到多个.结合这两种思想,研究基于两个模糊近似空间的积模糊粗集模型及其模糊粗糙集的表示和分解.根据这种思想,可以从论域分解的角度探索降低高维模糊粗糙集计算的复杂度问题.先对模糊近似空间的分层递阶结构——λ-截近似空间进行研究,得到不同层次知识粒的相互关系；然后定义模糊等价关系的积,并研究其性质及算法；最后构建基于积模糊等价关系的积模糊粗集模型,并讨论了该模型中模糊粗糙集的表示及分解问题,分别从λ-截近似空间和一维模糊近似空间的角度去处理,给出了可分解集的上(下)近似的一个刻画,及模糊可分解集的上(下)近似的λ-截集分解算法.

关键词：λ-截近似空间、模糊粗糙集、积模糊等价关系、积模糊近似空间、可分解集

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：广东省科技计划项目2010B010600039;广东省自然科学基金S2011010003681;中国科学院计算技术研究所智能信息处理重点实验室开放课题基金LIP2010-5

在线出版日期：2012-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：199-204,232