基于粗糙集的粒计算不确定信息处理及其度量方法研究

从理论上探讨知识粒的公理化定义，研究知识粒与不确定信息度量方法之间相互融合的表现形式，建立基于粗糙集的粒计算度量和处理不确定信息的理论系统。对粗糙集、模糊集和Vague集这三种集合之间的关系和性质进行研究，进一步了解三者之间的相互联系和机理，进行多方法融合，建立粗糙集、模糊集和Vague集相似性度量方法的统一模型，研究其统一的粒计算理论框架。基于粗糙集理论和信息颗粒理论重点研究决策系统中决策属性值细化的算法，从而解决决策的模糊性问题，讨论决策属性值细化程度与信息粒度、近似质量、近似精度、信息熵、粗糙熵、包含度、贴近度等不确定信息度量方法之间的关系，给出其相应的理论证明和仿真实验分析。研究绝对约简和相对约简中决策系统的不一致性，提出能等价表示代数意义下和信息论意义下的高效实用的统一约简模型。该项目的研究结果对粒计算不确定信息的处理和度量提供一些有效的理论和方法保证，具有很高的理论和应用价值。