精选优质文档-倾情为你奉上第三章 差别矩阵粗集中的不确定性，是在论域上引入了某种限制性知识，这种限制性知识是取离散值的可称作等价关系的属性构成的属性集。由于对形成一种客观性的划分等价集，当用知识对中非空子集中的元素进行分类时才产生了不确定性。虽然，Pawlak在上引入限制性知识，但属性集并非是新的空间，中对象可以获得种属性的值，因而成为维特征空间中的点。这一点不论是在Cantor集中、模糊集中还是在经典模式识别中，都被认为是已知事实。只是在粗集中限定的值域是有限离散集（连续值必须离散化），规定属性值不完全相同的个体，分属不同类，或说同一类中所有个体，对于每一种属性的取值都是一样的。因为作了与的假定，才将论域客观地划分成若干等价类族。正因为对形成确定性分类才称为知识，才导至中非空子集中元素用分类时产生不确定性。从这个角度讲，粗集与Cantor集、模糊集一样都是在一个空间上研究分类问题。粗集的特殊性在于：是在知识下考虑中元素是否属于的非空子集（中属于的元素才认为确定属于，即可按知识准确分类）。1 差别矩阵(The discernibility matric
