×

精度和等级的两个基本双定量粗糙集模型及其使用粒度计算的研究。 (英语) Zbl 1316.68201号

摘要:近似空间的精度和等级是衡量相对定量信息和绝对定量信息的两个基本定量指标。精度和等级的双重量化是一个相对较新的课题,其有效实施仍然是一个悬而未决的问题。本文利用基本粗糙集模型探讨了双重量化问题。笛卡尔积是一个自然算子,用于结合两个指标,因为这两个指标具有完备性和互补性,我们使用此策略构造了两个新的模型。使用粒度计算研究模型区域的基本项(即完整系统、定量语义和优化计算)。首先,使用逻辑双定量语义以传统方式定义模型区域(MR颗粒)和基本模型区域(BMR颗粒);为双语义描述提供了基本语义(BS),并在BS框架内实现了MR和BMR颗粒的语义提取。然后为基本模型区域提出计算颗粒(BMRC颗粒)以优化计算,提供了二维平面和颗粒层次结构。提出并分析了计算MR和BMR颗粒的两种基本算法,BMRC-granules算法在时间和空间复杂度方面通常表现出优越的性能。我们还研究了近似算子的性质以及属性近似依赖和约简的概念。最后,我们提供了一个来自医学领域的示例应用程序。这两个模型提供了精度和等级的基本双重量化,并具有具体的双重量化语义;它们还代表了Pawlak模型在数量上的完全扩展。

MSC公司:

68层37 人工智能背景下的不确定性推理

软件:

LERS公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Pawlak,Z.,《粗糙集》,《国际计算机和信息科学杂志》,11,341-356(1982)·兹比尔0501.68053
[2] Grzymala-Busse,J.W.,计算单个覆盖的算法
[4] 北卡罗来纳州麦克·帕塔兰。;沈琦,探索容差粗糙集的边界区域用于特征选择,模式识别,42,5,655-667(2009)·Zbl 1162.68625号
[5] 北卡罗来纳州Mac Parthalain。;沈(音)。;Jensen,R.,探索属性约简粗糙集边界区域的距离度量方法,IEEE知识与数据工程汇刊,22,3,305-317(2010)
[6] 姚义勇,概率粗糙集近似,国际近似推理杂志,49,2,255-271(2008)·Zbl 1191.68702号
[7] Ziarko,W.,粗糙集的概率方法,国际近似推理杂志,49,2,272-284(2008)·Zbl 1191.68705号
[8] Yao,J.T。;Yao,Y.Y。;Ziarko,W.,《概率粗糙集:近似、决策和应用》,《国际近似推理杂志》,49,2,253-254(2008)
[9] 马,W.M。;Sun,B.Z.,两个宇宙上的概率粗糙集和粗糙熵,国际近似推理杂志,53,4,608-619(2012)·Zbl 1246.68234号
[11] Yao,Y.Y.,概率粗糙集模型中三元决策的优越性,信息科学,1811080-1096(2011)·Zbl 1211.68442号
[12] 赫伯特,J.P。;Yao,J.T.,选择粗糙集模型的标准,《计算机与应用数学》,57908-918(2009)·Zbl 1186.91066号
[13] 赫伯特,J.P。;Yao,J.T.,博弈论粗糙集,基础信息学,108,267-286(2011)·Zbl 1243.91016号
[14] Ziarko,W.,可变精度粗糙集模型,《计算机与系统科学杂志》,46,39-59(1993)·Zbl 0764.68162号
[16] Wong,S.K.M。;Ziarko,W.,概率近似分类与模糊集模型的比较,模糊集与系统,21357-362(1987)·Zbl 0618.60002号
[17] Pawlak,Z。;Skowron,A.,《粗糙集:一些扩展》,《信息科学》,177,28-40(2007)·Zbl 1142.68550号
[18] Greco,S。;马塔拉佐,B。;Słowiáski,R.,使用粗糙隶属度和贝叶斯确认测度的参数化粗糙集模型,国际近似推理杂志,49,2,285-300(2008)·Zbl 1191.68678号
[19] 西勒扎克博士。;Ziarko,W.,《贝叶斯粗糙集模型的研究》,《国际近似推理杂志》,40,81-91(2005)·Zbl 1099.68089号
[20] 张海勇。;周,J。;Miao,D.Q。;Gao,C.,贝叶斯粗糙集模型:进一步研究,国际近似推理杂志,53541-557(2012)·兹比尔1246.68236
[21] Yao,Y.Y。;Lin,T.Y.,使用模态逻辑的粗糙集泛化,智能自动化和软计算,2,2,103-120(1996)
[23] Liu,C.H。;Miao,D.Q。;张,N。;Gao,C.,基于两个宇宙的分级粗糙集模型及其性质,基于知识的系统,33,65-72(2012)
[24] 安,A。;北掸邦。;Chan,C。;Cercone,北卡罗来纳州。;Ziarko,W.,《发现需水量预测规则:增强的粗糙集方法》,《人工智能的工程应用》,9645-653(1996)
[25] Beynon,M.,《可变精度粗糙集模型中的约简:进一步研究》,《欧洲运筹学杂志》,134592-605(2001)·Zbl 0984.90018号
[26] Huang,K.Y。;Chang,T.H。;Chang,T.C.,用模糊算法确定变精度粗糙集的阈值(β),国际近似推理杂志,52,71056-172(2011)
[27] Hong,T.P。;Wang,T.T。;Wang,S.L.,基于可变精度粗糙集模型从定量数据中挖掘模糊(β)-确定和(β)–可能规则,应用专家系统,32,223-232(2007)
[28] Inuiguchi,M。;Yoshioka,Y。;Kusunoki,Y.,基于变决策优势的粗糙集方法和属性约简,国际近似推理杂志,50,8,1199-1214(2009)·Zbl 1191.68681号
[29] Mi,J.S。;Wu,W.Z。;Zhang,W.X.,基于变精度粗糙集模型的知识约简方法,信息科学,159,3-4,255-272(2004)·Zbl 1076.68089号
[30] Wang,J.Y。;周杰,变精度粗糙集模型中的约简特征研究,神经计算,722643-2648(2009)
[31] 宁格勒,M。;Stockmanns,G。;施耐德,G。;科赫,H.D。;Kochs,E.,EEG分析的自适应变精度粗糙集方法,医学人工智能,47239-261(2009)
[32] 潘,X。;张世清。;张海清。;Na,X.D。;Li,X.F.,《遥感土地利用/覆盖分类的可变精度粗糙集方法》,计算机与地球科学,36,12,1466-1473(2010)
[33] Su,C.T。;Hsu,J.H.,可变精度粗糙集模型中的精度参数:应用,Omega,34149-157(2006)
[34] 谢凤。;Lin,Y。;Ren,W.W.,基于可变精度粗糙集的遥感图像土地利用/土地覆盖检索优化模型,生态建模,222,2,232-240(2011)
[35] 谢国荣。;Yue,W.Y。;Wang,S.Y。;Lai,K.K.,基于可变精度粗糙集模型的石油项目投资动态风险管理,技术预测与社会变革,77,6,891-901(2010)
[36] 谢国荣。;张建林。;赖,K.K。;Yu,L.,变精度粗糙集在群体决策中的应用,国际近似推理杂志,49,331-343(2008)·兹比尔1185.91077
[37] I.T.R.Yanto。;维塔萨里,P。;Herawan,T。;Deris,M.M.,《应用变精度粗糙集模型对遭受研究焦虑的学生进行聚类》,《应用专家系统》,39,1,452-459(2012)
[38] Pawlak,Z。;Skowron,A.,粗糙隶属函数,(Yager,R.R.;Fedrizzi,M.;Kacprzyk,J.,Dempster-Shafer证据理论进展(1994),Wiley:Wiley纽约),251-271
[39] Greco,S。;马塔拉佐,B。;Słowiáski,R.,使用粗糙隶属度和贝叶斯确认测度的参数化粗糙集模型,国际近似推理杂志,49,2,285-300(2008)·Zbl 1191.68678号
[40] 辛格,S。;Dey,L.,一种新的使用粗糙隶属度的自定义文档分类方案,应用软计算,5,4,373-390(2005)
[41] Qian,Y.H。;梁建勇。;Dang,C.Y.,决策表中的一致性测度、包含度和模糊测度,模糊集与系统,159,18,2353-2377(2008)·Zbl 1187.68614号
[42] 徐,Z.B。;梁建勇。;Dang,C.Y。;Chin,K.S.,包含度:粗集数据分析度量的视角,信息科学,141,3-4,227-236(2002)·Zbl 1008.68134号
[44] 斯科伦,A。;斯蒂芬纽克,J。;Swiniarski,R.,《基于近似空间的粗糙粒度计算建模》,《信息科学》,184,1,20-43(2012)
[46] 张,X.Y。;莫,Z.W。;熊,F。;Cheng,W.,变精度粗糙集模型与分级粗糙集模型的比较研究,国际近似推理杂志,53,1,104-116(2012)·Zbl 1242.68345号
[48] Zadeh,L.A.,走向模糊信息粒化理论及其在人类推理和模糊逻辑中的中心地位,模糊集与系统,90,2,111-127(1997)·Zbl 0988.0304号
[50] 姚义勇,颗粒计算的三个视角,南昌理工大学学报,25,2,16-21(2006)
[51] 姚义勇,信息粒化与粗糙集近似,国际智能系统杂志,16,1,87-104(2001)·Zbl 0969.68079号
[52] 朱伟,《覆盖粗糙集的拓扑方法》,信息科学,177,6,1499-1508(2007)·Zbl 1109.68121号
[54] Pal,S.K。;Shankar,B.U。;Mitra,P.,颗粒计算,粗糙熵和对象提取,模式识别字母,26,16,2509-2517(2005)
[55] 阿布·多尼亚,H.M。;Salama,A.S.,利用(delta\beta\)-开集对Pawlak粗糙近似空间的推广,国际近似推理杂志,53,7,1094-1105(2012)·Zbl 1264.54005号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。