基于粗糙隶属函数的强粗糙模糊近似算子

摘要

在Pawlak近似空间中,针对模糊目标概念,假设在信息粒度不变的情况下,试图寻求模糊目标集合更好的近似集.为此将粗糙隶属函数看成一个模糊集,利用其介于普通粗糙模糊下近似与上近似之间的特点,对现有的粗糙模糊集模型进行改进.建立模糊目标概念新的下近似集与上近似集,使其与已有的粗糙模糊集模型相比,对近似空间有更高的精度,对目标集合有更好的贴近度.并讨论新的近似集的一些基本性质,最后通过数值算例进一步说明新提出的下近似与上近似算子的优越性.即可以从已知的数据集中获得更准确的知识,因此这是一种更精确的知识发现方法.