田海江

(重慶郵電大學(xué)期刊社，重慶 400065)

0 引言

經(jīng)典的數(shù)學(xué)理論方法能很好地處理現(xiàn)實(shí)中的確定問(wèn)題，但是對(duì)于現(xiàn)實(shí)中大量存在的不確定問(wèn)題卻很難有效處理。謂詞邏輯創(chuàng)始人Frege將含糊性歸結(jié)到“邊界線區(qū)域”，即論域中一些個(gè)體既不能被分類(lèi)到某一個(gè)子集上，也不能被分類(lèi)到該子集的補(bǔ)集上［1］。為處理此類(lèi)問(wèn)題，Zadeh通過(guò)引入隸屬函數(shù)，從而定義了模糊集［2］;Pawlak則通過(guò)引入上、下近似，從而提出了粗糙集［3］。這2種理論采取不同的方法來(lái)處理邊界的不確定，在實(shí)際應(yīng)用中具有很強(qiáng)的互補(bǔ)性，粗糙模糊集和模糊粗糙集即是這2種理論結(jié)合的典范［4］，并已被成功應(yīng)用到模式識(shí)別等領(lǐng)域［5－7］。

粗糙模糊集研究給定近似空間中模糊集的近似描述方法。覆蓋粗糙模糊集將覆蓋作為知識(shí)的表示形式，探討覆蓋近似空間中模糊概念的近似描述，是近年來(lái)研究的熱點(diǎn)問(wèn)題。文獻(xiàn)［8－9］分別基于復(fù)合鄰域給出2種覆蓋粗糙模糊集，文獻(xiàn)［10］基于單一鄰域給出了一種介于前2種定義之間的覆蓋粗糙模糊集。這些定義雖然給出了模糊概念在覆蓋近似空間中的近似方法，但它們都只是從定性的角度給出了模糊概念的近似描述。本文將針對(duì)文獻(xiàn)［8］所提出覆蓋粗糙模糊集，從定量的角度研究其不確定性度量方法。

1 覆蓋粗糙模糊集基礎(chǔ)

對(duì)于覆蓋近似空間中的模糊集，粗糙模糊集用一對(duì)模糊集確定了目標(biāo)集合的范圍，是對(duì)不確定性的一種定性描述。從定量的角度來(lái)看，不確定性與上、下近似確定的范圍相關(guān)。并且，當(dāng)模糊集是近似空間可定義的，這個(gè)范圍最小，則不確定性最小;當(dāng)模糊集是近似空間全不可定義的，這個(gè)范圍最大，則不確定性最大。

定理2說(shuō)明覆蓋的知識(shí)粒度越細(xì)，粗糙模糊集對(duì)目標(biāo)集合的描述越精確，其不確定性越小;反之，粗糙模糊集對(duì)目標(biāo)集合的描述越粗糙，其不確定性越大。

2 覆蓋粗糙模糊集的不確定性度量

對(duì)于覆蓋近似空間中粗糙模糊集的不確定性度量，文獻(xiàn)［13］通過(guò)引入?yún)?shù)α和β，并用上、下近似的截集來(lái)計(jì)算粗糙模糊集的不確定性。但是，文獻(xiàn)［13］沒(méi)有給出參數(shù)α和β的設(shè)定方法，從而限制了這種方法在實(shí)際問(wèn)題中的應(yīng)用。這里將基于模糊貼近度給出一種粗糙模糊集的不確定性度量方法。

模糊貼近度用于描述2個(gè)模糊集之間的貼近程度，它是2個(gè)模糊集相似程度的數(shù)值表征。對(duì)于2個(gè)模糊集，相似程度越高，則貼近度越大;相似程度越低，則貼近度越小。針對(duì)有限論域U，?A，B∈F(U)，常用的模糊貼近度度量方法有［14］:

NH(A，B)稱(chēng)為 Hamming貼近度，NE(A，B)稱(chēng)為Euclid貼近度。

粗糙模糊集的上、下近似貼近程度越大，其確定的目標(biāo)集合范圍越小，則不確定性越小;反之，粗糙模糊集的上、下近似貼近程度越小，其確定的目標(biāo)集合范圍越大，則不確定性越大。因而，基于粗糙模糊集上、下近似的貼近度與不確定性之間的上述關(guān)系可以給出不確定性的度量方法。

定理5說(shuō)明一個(gè)模糊集在覆蓋及其約減中有相同的不確定性，定理6說(shuō)明一個(gè)模糊集在相對(duì)較細(xì)的近似空間中不確定性更小，這與之前對(duì)不確定的分析是一致的。

3 結(jié)論

為從定量的角度描述覆蓋粗糙模糊集的不確定性，本文基于模糊貼近度提出了一種粗糙度的定義。該定義無(wú)需人工設(shè)定參數(shù)，其計(jì)算更直接和客觀。分析表明，該定義能較好地刻畫(huà)粗糙模糊集的不確定性，符合人們對(duì)于不確定性的普遍認(rèn)識(shí)。

［1］FREGE G.Correspondence with Russell［M］.New York:Oxford University Press，1988:40－66.

［2］ZADEH L A.Fuzzy sets［J］.Information and Control，1965，8(3):338－353.

［3］PAWLAK Z.Rough sets［J］.International Journal of Computer and Information Sciences，1982，11(5):341－356.

［4］DUBOISD，PRADE H.Rough fuzzy sets and fuzzy rough sets［J］.International Journal of General Systems，1990，17(6):191－208.

［5］HU Q H，XIE Z X，YU D R.Hybrid attribute reduction based on a novel fuzzy－roughmodel and information granulation［J］.Pattern Recognition，2007，40(12):3509－3521.

［6］韓冰，高新波，姬紅兵.基于模糊粗糙集的新聞視頻鏡頭邊界檢測(cè)方法［J］.電子學(xué)報(bào)，2006，34(6):1085－1089.

HAN Bing，GAO Xinbo，JIHongbing.A shotboundary detection method for news video based on Rough－Fuzzy sets［J］.Acta Electronica Sinica，2006，34(6):1085－1089.

［7］JENSEN R，SHEN Q.Fuzzy－rough attribute reduction with application to web categorization［J］.Fuzzy Sets and Systems，2004，141(3):469－485.

［8］魏萊，苗奪謙，徐菲菲，等.基于覆蓋的粗糙模糊集模型研究［J］.計(jì)算機(jī)研究與發(fā)展，2006，43(10):1719－1723.

WEILai，MIAO Duoqian，XU Feifei，et al.Research on a Covering Rough Fuzzy Set Model［J］.Journal of Computer Research and Development，2006，43(10):1719－1723.

［9］徐忠印，廖家奇.基于覆蓋的模糊粗糙集模型［J］.模糊系統(tǒng)與數(shù)學(xué)，2006，20(3):141－144.

XU Zhongyin，LIAO Jiaqi.On the Covering Fuzzy Rough Sets Model［J］.Fuzzy Systems and Mathematics，2006，20(3):141－144.

［10］胡軍，王國(guó)胤，張清華.一種覆蓋粗糙模糊集模型［J］.軟件學(xué)報(bào)，2010，21(5):968－977.

HU Jun，WANG Guoyin，ZHANG Qinghua.Covering Based Generalized Rough Fuzzy Set Model［J］.Journal of Software，2010，21(5):968－977.

［11］ZHUW，WANG F Y.Reduction and axiomization of covering generalized rough sets［J］.Information Sciences，2003，152(12):217－230.

［12］HUANG B，HE X，ZHOU X Z.Rough entropy based on generalized rough sets covering reduction［J］.Journal of Software，2004，15(2):215－220.

［13］徐菲菲，苗奪謙，李道國(guó)，等.基于覆蓋的粗糙模糊集的粗糙熵［J］.計(jì)算機(jī)科學(xué)，2006，33(10):179－181.

XU Feifei，MIAO Duoqian，LIDaoguo，et al.Rough Entropy of Rough Fuzzy Sets Based on Covering［J］.Computer Science，2006，33(10):179－181.

［14］胡寶清.模糊理論基礎(chǔ)［M］.武漢:武漢大學(xué)出版社，2004.

HU Baoqing.The basic theory of Fuzzy［M］.Wuhan:Wuhan University press，2004:55－83.

(編輯:王敏琦)