变精度粗糙集新模型：基于集对顺势相似度的处理策略

该篇论文深入探讨了粗糙集理论在处理含有噪声数据和模糊性不完备信息系统中的应用。粗糙集理论，由波兰数学家Pawlak在1982年提出，是一种强大的工具，适用于知识发现、数据挖掘、决策分析和模式识别等领域，它最初关注的是离散属性值的完备信息系统。然而，现实世界中的信息系统往往存在属性值未知或不完整的问题，这使得传统粗糙集方法难以应对。 为了克服这一局限，研究者们从两个角度着手：一是通过预处理方法填补缺失数据，但这可能导致信息损失；二是通过软化处理不可区分关系，如引入容差关系和相似关系。本文则选择了后者，提出了一种创新的方法——基于集对分析与粗糙集思想的变精度粗糙集模型。这个模型的核心是利用集对顺势相似关系，它以阀值[α]联系度系数为基础，替代了传统粗糙集中的不可区分关系。 集对顺势相似关系旨在考虑信息系统的复杂性和不确定性，更灵活地处理属性值未知的情况。通过这种关系，模型能够定义对象的下、上近似集，从而更好地反映对象之间的关联和区别。作者针对这类不完备信息系统，构建了相应的理论框架，并探讨了新模型的性质和适用性。 论文还强调了研究背景的基金支持，包括国家自然科学基金、江苏省自然科学基金以及中央高校基本科研业务费专项资助，这些资金表明了学术界对该领域的重视和研究的连续性。作者团队由赵焕焕博士和刘勇副教授组成，他们分别在软计算和冲突分析领域有所专长。 值得注意的是，论文经过了严谨的审稿过程，收稿日期为2015年8月，修订后于2017年发表。此外，该成果还被赋予了CNKI网络优先出版，证明了其学术价值和实用性。总体来说，这篇论文提供了处理不完备信息系统的一种新颖而实用的粗糙集模型，为相关领域的研究者提供了一个有价值的参考和扩展点。