1、粗糙集理論是一種新的處理不確定性知識(shí)的數(shù)學(xué)工具，是由波蘭科學(xué)家Pawlak在1982年首先提出來的，目前已發(fā)展成為人工智能的一個(gè)重要研究方向，在數(shù)據(jù)挖掘(datamining)與知識(shí)發(fā)現(xiàn)(KDD)中具有非常廣泛的應(yīng)用背景，并已獲得許多成功的應(yīng)用。 Pawlak粗糙集模型是以等價(jià)關(guān)系為基礎(chǔ)建立的。為推廣粗糙集理論的應(yīng)用范圍，Pawlak粗糙集模型被推廣為多種形式，包括模糊粗糙集模型、概率粗糙集模型、變精度粗糙集模型以及一般二元關(guān)系

2、下的粗糙集模型等。本文研究基于模糊粗糙集模型的模糊信息系統(tǒng)知識(shí)發(fā)現(xiàn)問題，具體作了如下研究工作： 針對(duì)模糊信息系統(tǒng)，定義了一種相似度量算子來描述對(duì)象關(guān)于屬性的接近程度，由相似度量算子提出關(guān)于對(duì)象的模糊不可區(qū)分關(guān)系RB，這是一類一般的模糊相似關(guān)系；以模糊不可區(qū)分關(guān)系為基礎(chǔ)，在廣義近似空間(U，RB-α)中定義了上、下近似算子，并討論了相關(guān)的性質(zhì)。 接著，對(duì)王熙照定義的模糊約簡(jiǎn)和模糊核的實(shí)現(xiàn)及有關(guān)性質(zhì)和定理作了適當(dāng)?shù)母倪M(jìn)與擴(kuò)充

3、，使其更加完備化，且討論了模糊約簡(jiǎn)與模糊相對(duì)約簡(jiǎn)的關(guān)系。 其次，提出了關(guān)于屬性的模糊相對(duì)約簡(jiǎn)和模糊相對(duì)核的概念，討論它們的基本性質(zhì)，對(duì)于決策屬性只有一個(gè)且決策屬性值域是離散的模糊決策信息系統(tǒng)，設(shè)計(jì)了模糊相對(duì)區(qū)分矩陣和相對(duì)區(qū)分函數(shù)，用以求出模糊相對(duì)約簡(jiǎn)和模糊相對(duì)核。 最后，以模糊不可區(qū)分關(guān)系為基礎(chǔ)，討論了屬性間的相互依賴關(guān)系，對(duì)決策屬性多于一個(gè)的模糊決策信息系統(tǒng)，提出了一種以模糊不可區(qū)分關(guān)系為基礎(chǔ)的規(guī)則提取方法，并給出了應(yīng)