-
互联网时代中大规模复杂信息的涌现,带来处理(计算)复杂性的难度增加. 大数据作为继云计算、物联网之后IT产业又一次重要的技术变革,正在驱动管理领域的新变革. 粒计算[1]是由美国控制论专家Zadeh提出的智能研究领域中解决复杂问题的新方法和有效工具,在大数据处理中,对降低数据规模具有重要研究意义. 信息系统[2](也称为知识表示系统)是粒计算研究中重要的数学模型之一,它具有属性集和对象集两个维度,能够描述数据对象的某些属性特征. 模糊信息系统[3]综合了信息系统、模糊集[4]与粗糙集[5],逐渐受到人们的关注,成为一个研究热点. 自文献[6]首次结合模糊集理论和粗糙集理论提出模糊粗糙集概念后,模糊粗糙集理论由此得到较多研究[7-11]. 文献[12]引入了模糊β-覆盖的概念,用参数β替换1,实现了由特殊到一般的转化.
本文基于模糊粗糙集理论,借助模糊等价关系、模糊上下近似算子以及互补近似算子的概念,找出了模糊信息系统的一个约简,达到了去除模糊信息系统的冗余属性的效果. 文献[13]和文献[14]先后定义了两种模糊β-覆盖粗糙集模型,并用矩阵来表示上、下近似算子,这使得计算机处理大型复杂数据成为可能. 相较早期的模型,本文提出一种τ型的模糊β-覆盖粗糙集模型,综合邻域和互补邻域两方面进行分析和解决实际问题,避免了数据采集、存储以及约简等过程中产生的误差,从而进行更完备的信息决策.
HTML
-
定义1[15] 设U是一个论域,模糊集A或者U的一个模糊子集A是论域U到[0, 1]的一个映射,即A:U→[0, 1],x
$\longmapsto$ A(x),A(x)称为模糊集A的隶属函数(或称为x对模糊集A的隶属度). 将论域U上的所有模糊子集构成的集合称为U的模糊幂集,记作F(U).对∀A,B∈F(U),若对∀x∈U都有A(x)≤B(x),则称A⊆B. A=B当且仅当A⊆B且B⊆A.
对一族{αi}⊂[0, 1],i∈I,I⊆
$\mathbb{N}_+$ ,记∨i∈I αi或者∨{αi:i∈I}为{αi:i∈I}的上确界,记∧i∈I αi或者∧{αi:i∈I}为{αi:i∈I}的下确界. 给出A,B∈F(U),对∀x∈U,称(A∪B)(x)=A(x)∨B(x)为A和B的并,记作A∪B. 称(A∩B)(x)=A(x)∧B(x)为A和B的交,记作A∩B. 称Ac(x)=1-A(x)为A的补,记作Ac.定义2[11] 设U是一个非空有限集合,
$\mathscr{C}$ 是U的子集组成的集族. 若∅∉$\mathscr{C}$ 且∪C∈$\mathscr{C}$ C=U均成立,则$\mathscr{C}$ 称为U的一个覆盖,二元组(U,$\mathscr{C}$ )为一个覆盖近似空间.定义3[16] 设(U,
$\mathscr{C}$ )是一个覆盖近似空间,若(U,$\mathscr{C}$ )中Xc记作U-X,则对∀x∈U,x的邻域Nx和互补邻域Mx分别定义为定义4[12] 设U是一个论域,
$\mathscr{C}$ ={C1,C2,…,Cm}⊆F(U),且β∈(0,1]. 若对∀x∈U,都有(∪i=1mCi)(x)≥β,则称$\mathscr{C}$ ={C1,C2,…,Cm}是U上的一个模糊β-覆盖,称(U,$\mathscr{C}$ )为一个模糊β-覆盖近似空间.定义5[14] 设(U,
$\mathscr{C}$ )是一个模糊β-覆盖近似空间,β∈(0,1],其中$\mathscr{C}$ ={C1,C2,…,Cm}. 对∀x∈U,x的模糊β-邻域和模糊互补β-邻域分别定义为定义6[11] 设(U,
$\mathscr{C}$ )是一个模糊β-覆盖近似空间,β∈(0,1],且C∈$\mathscr{C}$ . 若下列两个条件之一成立:(a) 对∀x∈U,有C(x) < β;
(b) 对x∈U,若C(x)≥β,则存在C′∈
$\mathscr{C}$ -{C}使得C′⊆C且C′(x)≥β.则称C是
$\mathscr{C}$ 的一个β-可约元. 否则,称C是$\mathscr{C}$ 的一个β-不可约元. 若D⊆$\mathscr{C}$ ,$\mathscr{C}$ -D是$\mathscr{C}$ 的所有β-可约元组成的集合,则称D是$\mathscr{C}$ 的约简,记作Γ($\mathscr{C}$ ).定义7[11] 设(U,
$\mathscr{C}$ )是一个模糊β-覆盖近似空间,β∈(0,1]. 称Θβ($\mathscr{C}$ )={Nxβ:x∈U}是由模糊β-覆盖$\mathscr{C}$ 导出的模糊β-邻域族. 称$ \widetilde{\varTheta}^\beta(\mathscr{C})=\left\{M_x^\beta: x \in U\right\}$ 是由模糊β-覆盖$\mathscr{C}$ 导出的模糊互补β-邻域族.定义8[11] 设
$\mathscr{C}$ 1,$\mathscr{C}$ 2是U上的两个模糊β-覆盖,β∈(0,1]. Θβ($\mathscr{C}$ 1)=Θβ($\mathscr{C}$ 2)当且仅当Γ($\mathscr{C}$ 1)=Γ($\mathscr{C}$ 2).定义9[17] 设U和V是两个论域,f:U→V是一个U到V上的映射,且A1,A2∈F(U). 若[x]f={y∈U:f(y)=f(x)},则{[x]f:x∈U}是U上的一个划分. 对∀x∈U,若下列条件之一是成立的:
(a) 对∀u∈[x]f,有A1(u)≤A2(u);
(b) 对∀u∈[x]f,有A1(u)≥A2(u).
则称f对于A1和A2是一致的. 对∀x∈U,若对∀u,v∈[x]f,都有A1(u)=A1(v),则称f对A1是相容的.
-
对于一个模糊信息系统FIS=(U,AT),对∀x∈U,若∧x∈U[∨i=1m Ai(x)]≠0,则称AT是U的一个模糊β-覆盖. 下面结合模糊β-邻域和模糊互补β-邻域,在模糊信息系统上定义一种τ型的模糊β-覆盖粗糙集模型,并结合相关的理论知识探讨新模型的性质.
定义10 设FIS=(U,AT)是一个模糊信息系统,f:U→V是一个U到V上的满射,其中AT={A1,A2,…,Am},且β∈(0,∧x∈U[∨i=1mAi(x)]]. 对∀X∈F(U),集合τ-(X)和τ+(X)分别被称为τ型的模糊β-覆盖下近似和τ型的模糊β-覆盖上近似,简称为τ-FβCLA,τ-FβCUA,其中
若τ-(X)≠τ+(X),则称X是τ型的模糊β-覆盖粗糙集,该模型简称为τ-FβRC.
例1 设FIS=(U,AT)是一个模糊信息系统,其中U={x1,x2,x3,x4,x5,x6}且AT={A1,A2,A3,A4,A5},
当β∈(0,0.6]时,可知AT是U上的一个模糊β-覆盖. 令β=0.5,V={y1,y2,y3,y4},f:U→V是U到V的一个映射,
令
根据定义5,计算得出xi(i=1,2,3,4,5,6)的模糊β-邻域Nxi0.5和模糊互补β-邻域Mxi0.5. 很容易得出
因此,我们可以计算出X的τ型的模糊β-覆盖的上下近似值为
定理1 设FIS=(U,AT)是一个模糊信息系统,f:U→V是一个U到V上的满射,其中AT={A1,A2,…,Am},且β∈(0,∧x∈U[∨i=1mAi(x)]]. 对∀X,Y∈F(U),下列结论是成立的:
(ⅰ) τ-(Xc)=(τ+(X))c,τ+(Xc)=(τ-(X))c;
(ⅱ) τ+(∅)=∅,τ-(U)=V;
(ⅲ) τ-(X∩Y)=τ-(X)∩τ-(Y),τ+(X∪Y)=τ+(X)∪τ+(Y);
(ⅳ) τ-(X∪Y)⊇τ-(X)∪τ-(Y),τ+(X∩Y)⊆τ+(X)∩τ+(Y);
(ⅴ) 若X⊆Y,则τ-(X)⊆τ-(Y),τ+(X)⊆τ+(Y);
(ⅵ) 若∀x∈U,有1-Nxβ(x)≤X(x)≤Nxβ(x),1-Mxβ(x)≤X(x)≤Mxβ(x),则τ-(X)⊆X⊆τ+(X).
证 类似于文献[14]中命题3.1的证明.
为了进一步研究τ-(X)和τ+(X)的性质,先看如下的一个例子:
例2 在例1中,取
则有
不难看出,
然而,定理1(ⅳ)可以在一定条件下成立. 下面结合定义9中映射的一致性与兼容性给出定理1(ⅳ)成立的充分条件:
定理2 设FIS=(U,AT)是一个模糊信息系统,f:U→V是一个U到V上的满射,其中AT={A1,A2,…,Am},且β∈(0,∧x∈U[∨i=1mAi(x)]]. 对∀X,Y∈F(U),若f对X和Y是一致的,则
证 根据定理1,有τ-(X∪Y)⊇τ-(X)∪τ-(Y)和τ+(X∩Y)⊆τ+(X)∩τ+(Y)成立,下面仅需要证明τ-(X∪Y)⊆τ-(X)∪τ-(Y)和τ+(X∩Y)⊇τ+(X)∩τ+(Y).
对∀y∈V,若f对X和Y是一致的,根据定义9可知以下条件之一必成立:
(a) 对∀x∈f-1(y),有X(x)≤Y(x);
(b) 对∀x∈f-1(y),有X(x)≥Y(x).
则有
因此τ-(X∪Y)⊆τ-(X)∪τ-(Y)成立.
同样地,
因此τ+(X∩Y)⊇τ+(X)∩τ+(Y)成立. 故定理2成立.
下面将特殊推广到一般情况,得到以下推论:
推论1 设FIS=(U,AT)是一个模糊信息系统,f:U→V是一个U到V上的满射,其中AT={A1,A2,…,Am},且β∈(0,∧x∈U[∨i=1mAi(x)]]. 对∀X1,X2,…,Xn∈F(U),若f对X1,X2,…,Xn中任意两个模糊子集都是一致的,则τ-(∪i=1nXi)=∪i=1nτ-(Xi)和τ+(∩i=1nXi)=∩i=1nτ+(Xi)均成立.
推论2 设FIS=(U,AT)是一个模糊信息系统,f:U→V是一个U到V上的满射,其中AT={A1,A2,…,Am},且β∈(0,∧x∈U[∨i=1mAi(x)]]. 则以下结论成立:
(ⅰ) 对∀X,Y∈F(U),若f对X和Y是一致的,则τ-(X∪Y)=τ-(X)∪τ-(Y)和τ+(X∩Y)=τ+(X)∩τ+(Y)成立;
(ⅱ) 对∀X1,X2,…,Xn∈F(U),若f对X1,X2,…,Xn中任意一个模糊子集都是相容的,则τ-(∪i=1nXi)=∪i=1nτ-(Xi)和τ+(∩i=1nXi)=∩i=1nτ+(Xi)均成立.
综合定义7、定义8以及新模型,并结合可约性与属性约简相关的定理,得到以下定理:
定理3 设FIS1=(U,AT1)和FIS2=(U,AT2)是两个模糊信息系统,f:U→V是一个U到V上的满射,AT1={A1,A2,…,An},AT2={B1,B2,…,Bm},且β∈(0,min{∧x∈U[∨i=1nAi(x)],∧x∈U[∨i=1mBi(x)]}]. 对∀X∈F(U),若Γ(AT1)=Γ(AT2),则FIS1,FIS2对模糊子集X产生相同的τ型的模糊β-覆盖粗糙集下近似集.
证 根据定义7和定义8,有Γ(AT1)=Γ(AT2)当且当Θβ(AT1)=Θβ(AT2),Θβ(AT1)=Θβ(AT2),当且当{N1xβ:x∈U}={N2xβ:x∈U},{M1xβ:x∈U}={M2xβ:x∈U}. 则
从而
则
可得
从而
定理4 设FIS1=(U,AT1)和FIS2=(U,AT2)是两个模糊信息系统,f:U→V是一个U到V上的满射,AT1={A1,A2,…,An},AT2={B1,B2,…,Bm},且β∈(0,min{∧x∈U[∨i=1nAi(x)],∧x∈U[∨i=1mBi(x)]}]. 对∀X∈F(U),若Γ(AT1)=Γ(AT2),则FIS1,FIS2对模糊子集X产生相同的τ型的模糊β-覆盖粗糙集下近似集.
定理5 设FIS1=(U,AT1)和FIS2=(U,AT2)是两个模糊信息系统,f:U→V是一个U到V上的满射,AT1={A1,A2,…,An},AT2={B1,B2,…,Bm},且β∈(0,min{∧x∈U[∨i=1nAi(x)],∧x∈U[∨i=1mBi(x)]}]. 对∀X∈F(U),Xc(x)=1-X(x),则FIS1,FIS2对模糊子集X产生相同的τ型的模糊β-覆盖粗糙集下近似集当且仅当FIS1,FIS2对模糊子集Xc产生相同的τ型的模糊β-覆盖粗糙集上近似集.
证 (充分性) ∀X∈F(U),有τAT1+(X)=τAT2+(X). 由定理1,有τAT1+(X)=(τAT1-(Xc))c,τAT2+(X)=(τAT2-(Xc))c.因此τAT1-(Xc)=τAT2-(Xc)成立.
(必要性) 对∀Xc∈F(U),有τAT1-(Xc)=τAT2-(Xc).由定理1,有τAT1-(Xc)=(τAT1+(X))c,τAT2-(Xc)=(τAT2+(X))c.因此τAT1+(X)=τAT2+(X).
定义11 设FIS=(U,AT)是一个模糊信息系统,f:U→V是一个U到V上的满射,其中AT={A1,A2,…,Am},且β∈(0,∧x∈U[∨i=1mAi(x)]]. 称二元组FISτ=(V,τ-(AT))是FIS基于τ型的模糊β-覆盖粗糙下近似算子导出的模糊信息系统,FISτ=(V,τ+(AT))是FIS基于τ型的模糊β-覆盖粗糙上近似算子导出的模糊信息系统,其中
定理6 设X={A1,A2,…,Am}是U的一个模糊β-覆盖,f:U→V是一个U到V上的满射. 以下结论成立:
(ⅰ) 若对∀x∈U,有Nxβ(x)≥Ai(x),Mxβ(x)≥Ai(x),则τ+(X)={τ+(A1),τ+(A2),…,τ+(Am)}是V的一个模糊β-覆盖;
(ⅱ) 若对∀x∈U,1-Nxβ(x)≥Ai(x),1-Mxβ(x)≥Ai(x),则τ-(X)={τ-(A1),τ-(A2),…,τ-(Am)}是V的一个模糊β-覆盖.
证 (ⅰ)由X={A1,A2,…,Am}是U的一个模糊β-覆盖,对∀x∈U,有∨i=1mAi(x)≥β. 对∀y∈V,∀x∈U,若Nxβ(x)≥Ai(x),Mxβ(x)≥Ai(x)成立,则
因此τ+(X)={τ+(A1),τ+(A2),…,τ+(Am)}是V的一个模糊β-覆盖.
(ⅱ) 同样地,
因此τ-(X)={τ-(A1),τ-(A2),…,τ-(Am)}是V的一个模糊β-覆盖.