论文部分内容阅读
作为知识发现的两大有力的工具,波兰数学家PawlakZ.提出的粗糙集理论与德国数学家WileR.提出的概念格理论从不同的侧面来研究和表现数据中隐含的知识,通过知识约简使潜在的知识被挖掘出来,这两大理论越来越成为人工智能领域研究的热点.数据爆炸时代,数据的复杂性与不确定性日益提高,数据的客观反映成为迫切需要解决的难题.数据表示越为客观,粗糙集理论和概念格理论就会更好的发挥它们处理数据的作用.保加利亚学者AtanassovK.提出的直觉模糊集理论是对Zadeh模糊集理论的一种丰富和发展,通过隶属度和非隶属度这一模糊序对,对数据的表示更加细腻客观.目前,直觉模糊集理论已经被成功应用于决策分析和模式识别领域.本文研究直觉模糊环境下知识的表示.结合粗糙集理论,研究直觉模糊环境下的粗糙近似算子的代数结构；结合概念格理论,研究直觉模糊形式背景下的概念格的构造和概念格的属性约简.主要工作如下：1.研究(I-T)-直觉模糊粗糙集的代数结构与不确定性度量.利用直觉模糊逻辑算子定义了(I-T)-直觉模糊粗糙集的基本粒,给出了特殊直觉模糊关系下的基本粒的性质,研究了(I-T)-直觉模糊粗糙集的粒结构；给出了(I-T)-直觉模糊粗糙集的粗糙性度量,讨论了粗糙度的性质.2.讨论(I-T)-直觉模糊粗糙集和群结构之间的联系.定义了T-直觉模糊正规子群和直觉模糊集的乘积,研究了T-直觉模糊正规子群的性质；山T-直觉模糊正规子群诱导出群上的T-相似直觉模糊关系,建立起了群上的(I-T)-直觉模糊粗糙集,研究了群上的(I-T)-直觉模糊粗糙集的乘积结构；讨论了群同态下(I-T)-直觉模糊粗糙近似算子的性质.3.研究直觉模糊形式背景下的概念格的构造和属性约简.给出了基于直觉模糊形式背景的在一定水平截集下的概念的构造；研究了基于直觉模糊逻辑算子的直觉模糊概念格的构造,定义了外延内涵直觉模糊算子和内涵外延直觉模糊算子,讨论了算子的性质,并给出了其等价形式；研究了直觉模糊概念格的属性约简,通过直觉模糊集的水平截集定义了可辨识属性矩阵,给出了直觉模糊概念格的属性约简方法.