徐伟华 苑克花 李文涛

1西南大学人工智能学院,重庆,400715 2西南大学数学与统计学院,重庆,400715

0 引言

波兰数学家Pawlak所提出的粗糙集理论作为一种数学工具,在处理不确定信息方面有重要作用[1].它主要应用在概念近似与属性约减两个方面[2].概念近似即利用已知的数据,对目标集从上下两个方面对其进行逼近,进而减少目标集的不确定性．经典的概念近似是基于等价关系对分类型数据进行比较刻画[3].由于现实生活中数据的复杂多样化,数据类型还有数值型、区间型、集值型、直觉模糊型等,各对象之间的关系也不仅仅局限于等价关系,所以经典情况下的概念近似有一定的局限性[2-7].

不少学者基于不同数据之间的不同关系进行了很多研究,尤其是对于直觉模糊型数据．直觉模糊型集同时考虑对象对某一集合的正隶属度、负隶属度和犹豫度,具有更强的信息表达能力,能够较好地描述和刻画客观世界的不确定性.文献[8-10]揭示了直觉模糊集理论与粗糙集理论之间的关系,证明每个模糊粗糙集实际上是一个直觉L-模糊集,然后利用直觉模糊集的概念定义了直觉模糊逼近空间中的逼近算子.Liu等[11]通过求解冲突距离来确定对象之间的相似度,进而构建直觉模糊粗糙集模型对研究对象进行刻画.另外,利用区间直觉模糊集和粗糙集相结合的方法,林梦雷等[12]在区间直觉模糊关系的基础上,构造了区间直觉模糊粗糙集模型,主要是利用……