杨霁琳 张贤勇 唐 孝

(1．四川师范大学基础教学学院，成都,610068； 2．四川师范大学数学与软件科学学院，成都,610068)

引 言

粗糙集理论是一种处理模糊和不确定性知识的数学工具[1]，其主要思想是以等价关系为基础，利用已有的知识库来表示不确定或不精确的知识，在保持分类能力不变的前提下，通过知识约简导出问题的决策规则。这种模型在完备的信息系统中得到了成功运用[1,2]。

在模糊决策表中，数据往往被认为是一个模糊概念,于是研究者们对经典的粗糙集理论进行扩充[3,4]。许多学者在构造各种不同区分关系的基础上，讨论各种属性约简的理论和方法，并进行了相关应用研究[5,6]。管涛[7]等基于模糊集合的贴近度，构造模糊相似关系，取其截集后得到不可区分关系，利用水平集粗糙成员函数给出分布约简与分配约简；Jensen和Shen提出以依赖度函数作为启发信息的相对约简算法[8,9]，但Bhatt[10]指出该算法在许多实际分析中不收敛；张慧哲[11]等提出一种基于海明距离定义的相似度系数，通过定义模糊相似矩阵和不一致程度矩阵，给出属性约简的定义及算法；曾雪兰[12]等提出一种全序优势关系，该全序优势关系是Grecos[13]提出的优势关系的扩充，并进而给出关于对象的相对上下近似约简计算方法；胡清华等[14,15]提出邻域粗糙集模型，其中数值型属性通过欧式距离表示为模糊相似关系，以决策属性对条件属性的依赖度为标准给出属性约简的概念与约简方法；张家录[16]等提出基于模糊包含的模糊粗糙集模型，通过计算模糊信任测度、模糊似然测度来进行随机模糊信息系统的属性约简；……