粗糙集的上、下近似与定积分之间的关系

 

      我们知道粗集是用来表示不确定集合的一种数学方法。在精确集中设集合X={x1,x2,x3,x4,x5x6,x7}，从x1~x7都确定是集合X中的元素。但是在粗糙集中我们无法确定某些元素是否一定属于这个集合，它可能属于也能不属于。为了来表达这个不确定 的集合，我们可以用粗糙集来对对于不确定的集合的表示。

      在上图中，紫色的圈内表示确定属于粗糙集的集合，我们用下近似来表示，它中间的一个一个的方块表示为一个个被相似关系R圈定的不可分割的，信息粒。再往外不规则的圈表示粗糙集，它经过的方块有些部分属于集合X有些不属于集合X；最外面的橙色圈表示上近似这个圈内表达了可能属于粗糙集X的所有信息粒的集合。

• 下近似集是在那些所有的包含于X 的知识库中的集合中求并得到的（包含在X内的最大可定义集）
• 上近似则是将那些包含X的知识库中的集合求并得到的（包含X的最小可定义集）

 

      粗糙集理论中，寻求问题的决策或分类规则，其前提条件是要保持分类能力不变.简言之，此处的分类能力，指的就是给定的某个等价关系R或若干等价关系R1 U R2 U R3;保持不变，指的是对研究对象x( c U}而言，不管是R还是R1 U R2 U R3，其分类结果是一样的.

        与定积分相比，粗糙集中相似关系R对于粗糙集的划分，相当于在定积分中把[a,b]分成一个一个的小区间。小区间划分的越多对于曲面面积区分的越精确。在粗糙集中也是一样，相似关系R把信息粒分的越小，那么粗糙集粗糙度越小，对于粗糙集的表示也越精确。

      若对原有的分法P加人新的分点，则Darboux大和不增，小和不减.对于集合X是精确的还是粗糙的，完全取决于对其产生划分的等价关系R.换言之，在某个等价关系R，下，其是精确的，而在另外一个等价关系Rz下，其完全有可能是粗糙的.下面，我们尝试对于Ri C Rz的情形，从积分的角度对其上下近似给出类似于定理4的解释.给定等价关系R，和Rz且满足条件R,=Rz U{:}，其中r为一等价关系.熟知，对于给定的集合X而言，其依赖的关系越“大”，则产生的划分越“小”。

二元关系都满足下列三个性质：

darboux小和表示粗糙集中的下近似，darboux的大和表示粗糙集中的上近似。当大和等于小和时此时表示一个精确集合。