科研之友
微信
新浪微博
Facebook
分享链接
摘要
粗糙集理论作为分类学习的一种工具,借助一对极值映射的一元算子,利用已知的知识结构表示未知的研究对象。具体主要体现在已知知识包含于未知对象集或与对象集相交不空。随着数据规模的不断增长以及数据形式的日趋复杂,严格意义的包含常常不能满足现实的需要。因此,经典粗糙集忽略了非常接近于严格包含的情况。变精度粗糙集放宽了严格包含关系。弥补了经典粗糙集理论的这一不足。然而,和经典粗糙集相比,变精度粗糙集不可避免地失去了一些基本性质。为了进一步探讨这些性质的本质内涵,在研究已有变精度粗糙集结构和性质的基础上,提出了3类基于边界域的变精度粗糙集模型,比较研究了这些模型之间的联系和区别。结果表明,第Ⅰ类变精度模型是已有变精度粗糙集模型的推广,第Ⅱ类变精度模型则是经典粗糙集的直接拓展形式之一。这2类变精度模型都侧重于从局部多数包含的角度刻画对象集。第Ⅲ类变精度模型侧重从对象集的整体边界域,即整体多数包含的角度描述了未知知识。
-
单位闽南师范大学
