杨 洁，袁 利，罗 天

(1.遵义师范学院 物理与电子科学学院，贵州 遵义 563002；2.云南大学 软件学院，昆明 650091)

0 引 言

作为粒计算[1-2]的工具之一，粗糙集[3]是一种利用当前信息粒来处理不确定性信息的有效模型，即采用上、下近似集对不确定性目标概念进行近似描述。作为粗糙集的扩展模型，粗糙模糊集[4]是一种有效处理目标概念为模糊集时的粒计算模型，通过定义上、下近似集来刻画一个模糊目标的概念，从而进行知识获取，更具有普遍性。当前，有许多关于粗糙模糊集方面的研究，大致分为3个方面：理论研究，扩展模型和应用。其中，Rehman[5]提出了基于向上可加一致性的广义多粒度模糊粗糙集模型，构造了一种新的多属性决策方法。Xue[6]提出了基于多粒度支持直觉模糊粗糙集的三支决策模型，设计了一个决策规则提取算法。Li[7]提出了基于粗糙模糊理论的双定量多粒化决策模型，研究了包含相对定量信息和绝对定量信息的决策规则。Yang[8]借鉴Vague集中支持度和反对度的思想,构建了多粒度邻域粗糙模糊集的不确定性度量方法。

近年来，Zhang[9-10]分别从模糊距离和相似度的角度出发，提出了经典粗糙集近似集的相关理论，通过利用已知信息粒直接对目标概念进行近似描述，从而构建粗糙集的近似表示，一方面，证明了该近似集比上、下近似具有更高的近似度；另一方面，证明了0.5-近似集在一定约束条件下是最优近似集，即阈值为0.5时最优。在粗糙集近似集的基础上，Zhang进一步研究了粗糙模糊集近似集[12]和vague集的近似集[13]的相关理论，并将近似集理论应用到属性约简[14-15]、图像分割[16]、粒度优化[17]等领域上。……