Pawlak粗糙集模型的随机集表示及合成

摘要：

@@ 1.引言和预备知识
粗糙集作为一种处理不精确、不确定与不完全数据的新的数学理论,最初是由波兰数学家Z.Pawlak[1]于1982年提出的.在Pawlak粗糙集模型中,论域中的对象或元素可以用可利用的信息(或知识库中的知识)来描述.当两个不同的对象具有相同的描述时称这两个元素是不可区分的.所有具有相同描述的元素构成了一个等价类,所有等价类构成了这个论域的一个划分,任意给定论域的一个子集,人们不一定能用知识库中的知识来精确地描述,这时就用关于这个集合的一对上、下近似来描述.粗糙集理论的主要思想是利用已知的知识库,将不精确或不确定的知识用已知知识库中的知识来(近似)刻画.

机标关键词：粗糙集模型、随机集、合成、Rough Set、知识库、描述、元素构成、等价类、粗糙集理论、不完全数据、预备知识、数学理论、对象、不可区分、下近似、数学家、子集、信息、思想、集合

所属期刊栏目：29

分类号：TP3(计算技术、计算机技术)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：18-19