论文部分内容阅读
由于经典粗糙集理论对于上下近似的定义过于严苛,导致边界域的取值相对较少,不利于决策方案的选择.为了解决这一问题,研究者在经典粗糙集理论中加入概率阈值,提出了概率粗糙集的概念.本文的主要工作是将概率粗糙集模型进行了推广,在概率粗糙集的基础上讨论区间直觉模糊信息系统.主旨是通过建立区间直觉模糊概率粗糙集模型进行决策,主要从以下几个方面进行研究: 首先,合理定义了区间直觉模糊数的除法运算,并在此基础上提出了基于区间直觉模糊概率空间的条件概率的计算公式.现有文献中对区间直觉模糊数的除法运算相对来说还存在空白,本文基于条件概率的需要,合理定义了两个区间直觉模糊数之间的除法,使之在区间直觉模糊系统空间上完备,对区间直觉模糊数的四则运算进行了有效地补充.并在此基础上运用Bayes公式给出区间直觉模糊概率空间上的条件概率的计算公式,为后续概率粗糙集的模型拓展打基础. 其次,将概率粗糙集模型推广到区间直觉模糊概率空间中,构造出区间直觉模糊概率粗糙集模型.该模型是在区间直觉模糊概率近似空间上,基于区间直觉模糊事件集与区间直觉模糊等价关系,通过合理定义区间直觉模糊等价类,定义了区间直觉模糊集基于概率阈值α,β的上下近似,从而构造出的用于解决具有不精确、不完备、不一致信息的新的决策模型;进而讨论了新模型的基本性质,给出了新模型所具有的性质、定理. 最后,引入损失函数给出新模型的概率阈值的表达式.通过计算基于区间直觉模糊数的损失函数确定出新模型的概率阈值的表达式,并给出基于该概率阈值的决策规则,使之能够准确方便的运用于决策中.然后,给出示例验证该模型的可行性.