粗糙超立方体学习笔记 (1)

决策信息系统 

是论域（Universe），指的是所有研究对象或实体的集合，更具体地说是一个非空有限对象集，包含了被考虑的所有元素，这些元素可以是人、事件、物品或任何其他具体或抽象的实体。在粗糙集理论中，论域提供了研究和分析的对象集合的基础。

是非空有限属性集，，其中是条件属性集，由那些用来描述对象或实例特征的属性组成，反映了对象的特征或状态；是决策属性集，由那些反应对象决策结果或分类的属性组成，指明了对象属于哪个类别或应该如何决策。

是属性值的集合，，是属性a的值域，对于每个属性而言，它包含该属性可能取得的所有值。

是一个信息函数，。

表格1

病人	头疼	肌肉疼	体温	流感
	是	是	正常	否
	是	是	高	是
	是	是	很高	是
	否	是	正常	否
	否	否	高	否
	否	是	很高	是

在以上表格中，是6个病人组成的集合，是三种属性头疼、肌肉疼、体温构成的集合，是是否患流感的属性。

等价类

等价类：中等价于的所有元素形成的子集 

商集：中所有元素的等价类组成的集合。

不可分辨关系（粗糙集中的等价类与等价关系）

论域中的不可分辨关系（Indiscernibility Relation）是粗糙集理论中的基本概念之一。对于论域中的两个元素和，在属性集中的所有属性对于这两个元素来说都有相同的值，则称和是不可分辨（indiscernible）的。形式化定义如下：对于任意，

这样的关系被称作P-不可分辨关系，此关系可将论域划分为，由等价关系形成的等价类是粗糙集理论中的基本知识粒。

粗糙集（Rough Set）的定义

令为我们希望用属性子集来表示的目标集合，即我们希望使用属性子集引导的等价类来表示这个类别。通常情况下，不能被精确表示，因为集合可能包含在属性的基础上无法区分的对像。

表格2

Object
	1	2	0	1	1
	1	2	0	1	1
	2	0	0	1	0
	0	0	1	2	1
	2	1	0	2	1
	0	0	1	2	2
	2	0	0	1	0
	0	1	2	2	1
	2	1	0	2	2
	2	0	0	1	0

以表格2为例，考虑目标集合，属性子集是，则集合不能被精确表示，因为在中，对象是不可辨识的。因此，没有办法代表任何包含而排除和的集合。

然而，目标集合可以用中包含的信息来近似表示，通过构建P-下近似（P-lower approximation）和P-上近似（P-upper approximation）来实现：

下近似和上近似；正域、负域和边界域；粗糙集的定义

P-下近似（P-lower approximation），或称正域（positive region），是目标集合在等价类中所有子集的并集。在刚才的例子中，，这是两个等价类，且都被目标集合所包含。下近似就是中可以肯定被分类为目标集合中的完整对象集。

P-上近似（P-upper approximation），是等价类中，与目标集合有非空交集的集合的并集。在例子中，，是三个等价类的并集。上近似就是中不能肯定被分类为目标集合的补集的对象集。于是集合表示负域（negative region），包含了肯定不属于目标集合的对象集。

边界域（boundary region）是由上近似和下近似的差给出，即。

由下近似和上近似组成的元组称为粗糙集（rough set），粗糙集所表示的集合的准确度（accuracy）可以由以下式子给出：，其值在0到1之间，是可以肯定在中的对象数量与可能在中的对象数量的比率，提供了粗糙集近似目标集合程度的度量。