多粒度邻域粗糙模糊集及其不确定性度量

摘要：

邻域粗糙集是经典粗糙集的一个扩展模型,研究其不确定性度量模型具有重要意义.在邻域粗糙集理论中,当前不确定性度量方面的研究工作主要专注于度量知识空间的粒度大小或边界域尺寸.在邻域系统中,对于目标概念为模糊时的情形,其不确定性不仅来自于邻域粒的边界域,还来自于正域和负域,当前的不确定性度量方法较少考虑这种情形.为此,构建了邻域粗糙模糊集模型,从粒计算的角度出发,进一步提出了多粒度邻域粗糙模糊集模型;针对多粒度邻域粗糙模糊集具有乐观性与悲观性的特点,借鉴Vague集中支持度和反对度的思想,设计了基于模糊度的多粒度模糊熵的不确定性度量方法,不仅符合人类的认知习惯,而且可以有效刻画整个邻域知识空间的结构信息.

关键词：邻域粗糙模糊集、多粒度、不确定性度量、模糊度、Vague集

所属期刊栏目：32

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科技厅学术新苗培养及创新探索项目;贵州省教育厅重大专项项目;遵义师范学院博士启动基金

在线出版日期：2020-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：898-908