粗糙集在电力系统中的应用
简单地介绍粗糙集：在自然科学、社会科学和工程技术的很多领域中，都不同程度地涉及到对不确定因素和对不完备(imperfect)信息的处理。从实际系统中采集到的数据常常包含着噪声，不够精确甚至不完整。采用纯数学上的假设来消除或回避这种不确定性效果往往不理想，反之如果正视它，对这些信息进行合适地处理，常常有助于相关实际系统问题的解决。模糊集和基于概率方法的证据理论是处理不确定信息的两种方法，已应用于一些实际领域。但这些方法有时需要一些数据的附加信息或先验知识，如模糊隶属函数、基本概率指派函数和有关统计概率分布等，而这些信息有时并不容易得到。1982年波兰学者Z.Pawlak提出了粗糙集理论，它是一种刻划不完整性和不确定性的数学工具，能有效地分析不精确，不一致(inconsistent)、不完整(incomplete)等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律。粗糙集理论是建立在分类机制的基础上的，它将分类理解为在特定空间上的等价关系，而等价关系构成了对该空间的划分。粗糙集理论将知识理解为对数据的划分，每一被划分的集合称为概念。粗糙集理论的主要思想是利用已知的知识库，将不精确或不确定的知识用已知的知识库中的知识来(近似)刻画。该理论与其他处理不确定和不精确问题理论的最显著的区别是它无需提供问题所需处理的数据集合之外的任何先验信息，所以对问题的不确定性的描述或处理可以说是比较客观的。
页:
[1]
