粗糙集理论在区间数模糊综合评判中的应用研究

【摘要】： 粗糙集理论是波兰科学家Z．Pawlak于1982年提出的一种数据分析理论，目前已发展成为一种处理模糊和不确定性信息的数学理论，并且成功地应用于机器学习、模式识别、决策支持、数据挖掘、过程控制等领域。 针对评判指标较多，且指标的权重没有给出的情况，本文利用粗糙集的相关理论，先对评判指标进行约简，再确定剩下指标的权重，最后利用改进后的区间数模糊综合评判模型得出评判结果。具体方法如下： (1)将粗糙集理论应用于区间数模糊综合评判。该方法利用粗糙集理论中的知识约简方法挖掘评价指标，然后再确定剩余指标的权重，使模糊综合评判方法更简便易行，评判结果更加客观可信。 (2)针对现有的区间数综合评判模型中，生成区间数所依据的线段法的不足，以刀切法思想为基础，通过模型的稳定性分析，借鉴属性识别理论，本文提出了一种以增强模型稳定性为目的的改进方法。使得改进后的模型能够充分利用原始决策信息，从而使评判结果更加客观。 (3)利用改进后的区间数模糊综合评判模型得出评判结果。最后通过实例验证了改进后模型的有效性。 (4)基于上述的改进方法，将一级区间数模糊综合评判模型拓展到多层次多属性的区间数模糊综合评判模型。