模糊拟序关系下的模糊粗糙集.docx

模糊拟序关系下的模糊粗糙集
引言
模糊粗糙集（fuzzyroughset）是模糊集和粗糙集理论的结合，它是对不确定、模糊或不完全信息的建模方法之一。模糊粗糙集所描述的不确定性包括两个方面：一是模糊性，即事物间的归属关系是具有模糊性质的，不能用明确的分类方式加以描述。二是未知性，即存在未知的、难以确定的属性信息，无法完全揭示系统的本质特征。模糊粗糙集理论可以在这个背景下，进行信息挖掘、决策支持等领域的研究。
本文将主要探讨模糊拟序关系下的模糊粗糙集，并从模糊拟序关系的定义出发，逐步引出模糊粗糙集的构造和性质，以及相应的应用。
模糊拟序关系
模糊拟序关系（fuzzyquasi-order）是指二元关系，它具有自反性和推导性（非严格的传递性和反对称性）。自反性意味着每个对象都与其自身存在这种关系。而推导性、反对称性和传递性结合在一起，描述了对象间的一个置于排序关系下的偏序。
模糊拟序关系可以将对象按照某种程度上的大小顺序加以排序。即用模糊拟序关系确定的等价类，可以把整个宇集分解成多个“大小”相等的子集，从而实现宇集的划分。模糊拟序关系得到广泛应用，如行为决策、组织结构分析、价值理论、伦理道德评判等。
模糊粗糙集
在有了模糊拟序关系的概念之后，我们可以进一步研究模糊粗糙集。限于篇幅，我们在此只谈到漫谈模糊粗糙集的构造和性质，实际上模糊粗糙集的应用十分广泛，在数据挖掘、模式识别、决策分析等领域都有相应的应用。
构造
令U={x1,x2,...,xm}为一个宇集，U的元素集合可以看成一个含有m个元素的可拓空间。设一个模糊拟序关系R即一个从U×U到[0,1]的映射，可以表示成一个关系矩阵：
其中，Rij表示xi和xj间的模糊拟序度数；如果xi与xj不相关，则令Rij=0。
定义1：U中元素xj在R（模糊拟序关系）下可以被元素xi覆盖，则称xi是xj的下近似（lowerapproximation，记为[xi]_R^-）。
定义2：U中元素xi的支配能力度是指在R的意义下可以被其下近似近似的元素，其值定义为：
因此，若令α_i=supp(x_i)表示U中元素xi的支配能力度，则可以得到：
定义3：U中元素xi的基本支配能力度是指在R的意义下不能被其它元素支配的程度，其值定义为：
性质
下给出模糊粗糙集的一些基本性质：
性质1：对于任一R（模糊拟序关系），x∈U，有：
其中[x]_R^-和[x]_R^+分别为下近似和上近似。
性质2：R下的等价类E∈R/U的支配能力具有单调性，即如果E⊆F，则α_E≥α_F。
性质3：R下的等价类E∈R/U的基本支配能力α_E是单调的，即R下的等价类支配权从高到低单调递减。
应用
模糊粗糙集的应用十分广泛，下面列出其中的几个。
数据挖掘
模糊粗糙集已被广泛应用于数据挖掘领域。在处理带噪声和不完整信息的样本中，利用模糊粗糙集可以把宇集空间中的元素划分成大小相等的等价类，简化了数据挖掘的过程。
模式识别
在模式识别领域，模糊粗糙集被用来实现模糊分类。模型训练之后，利用压缩主元分析来筛选特征维度，提高模型的准确性和鲁棒性。
决策支持
模糊粗糙集被应用于决策支持系统中，用来对决策问题中对象的重要性进行评估，进而进行分析决策。
其他应用
除此之外，模糊粗糙集的应用还包括集成学习、网络安全等。
结论
本文简要介绍了模糊拟序关系下的模糊粗糙集，从模糊拟序关系的定义出发，引出模糊粗糙集的构造、定义和性质，并给出了模糊粗糙集的一些应用。模糊拟序关系在实际应用中非常重要，随着数学工具的发展和研究的深入，模糊粗糙集将会发挥更大的作用。