基于粗糙集理論的信息不確定性度量方法研究.pdf

1、粗糙集理論是信息不確定性度量研究的重要理論工具，其特點是能直接從給定問題的描述集合出發(fā)，不需要先驗知識和外界信息，通過知識對象的不可分辨關(guān)系給定問題的近似域，找出該問題中的內(nèi)在規(guī)律。
　　 盡管基于粗糙集的不確定性度量方法近來得到了較快的發(fā)展和應(yīng)用，但仍有一些問題需要進一步研究，如，不確定性度量方法的分類、歸一化、應(yīng)用范圍等問題。本文針對這一類問題開展了如下研究：
　　 首先，對基于粗糙集理論的不確定性度量方法進行了歸類

2、和分析。在代數(shù)觀和信息觀的基礎(chǔ)上，增加了幾何觀的分類方式，并對這幾類方式的特性進行了對比分析。
　　 其次，通過對隨機熵不確定率和全知熵不確定率的分析討論，發(fā)現(xiàn)當(dāng)知識系統(tǒng)的代數(shù)特征明顯或系統(tǒng)本身處于較確定的狀態(tài)時，這兩種度量方法都不能精確地反映系統(tǒng)的不確定性。于是，本文引入近似分類質(zhì)量來衡量全知熵兩個組成部分的權(quán)重，提出一種新的不確定性度量方法。
　　 最后，將新的不確定性度量方法應(yīng)用到Skowron算法中，實現(xiàn)了Sko