基于覆盖的变精度粗糙直觉模糊集模型研究

针对经典的Pawlak粗糙集模型容易受到噪声数据影响的问题，在覆盖概念的基础上，对变精度粗糙直觉模糊集进行研究。首先，通过设定变精度中的两个约束条件(α,β),将其引入到覆盖粗糙直觉模糊集模型中，从而提出基于覆盖的变精度粗糙直觉模糊集模型，又考虑到元素邻域、规则置信度及元素与最小描述之间的关系，定义了有关该模型的4种类型，并且证明了该模型的相关性质，分析了该模型与现有模型之间的关系以及4种模型之间的关系。其次，在所给模型的基础上定义了基于覆盖的变精度粗糙直觉模糊集模型的近似质量和粗糙性测度。最后，通过信用卡申请的实例分析证明了该模型在实际应用中的有效性，并通过改变两个约束条件(α,β)的取值，分析得出较合理的α和β取值范围。