二元关系聚合与粗糙近似

？粗集理论中的核心概念——下近似和上近似的经典定义是以不可分辨关系为基础的,这种定义方式适合于处理名义属性.然而,许多现实问题既包括定性属性也包括定量属性,因此有必要对不可分辨关系进行泛化.首先在单个属性层次上根据适合的相似性测度定义了二元关系,对这些二元关系进行聚合成为属性集合层次上的全局二元关系.决策类并集的粗糙近似和边界域则定义在全局二元关系的基础上.然后定义了粗糙近似和边界域的运算,从而可以描述确定性、可能性和怀疑性的知识,并且证明了这些运算满足的粗糙包含性、互补性、边界域恒等性和单调性.这种新的粗集方法可以描述包含定性属性和定量属性的决策表中包含的不一致性.