一种改进的局部多粒度决策理论粗糙集模型
局部多粒度决策理论粗糙集要预先获取给定数据集中所有对象的信息颗粒,只需要对特定的目标概念中的对象的信息颗粒进行计算,开创了一种有用的计算范式.然而,传统的局部多粒度决策理论粗糙集在计算三个区域(正域,边界域和负域)时需要主观的给定一对概率阈值(α,β).在实际的决策应用中,该获取阈值的方法可能会造成信息丢失或判断不准确的问题.为了解决这个问题,这篇文章提出了一种改进的局部多粒度决策理论粗糙集模型,叫做广义的局部多粒度决策理论粗糙集.该模型可以通过一个补偿系数ζ,即可自适应的获得相对应的参数α和β.这不仅减少了人为设置参数的个数,还强化了由多个粒度结构所产生损失的语义解释.
粗糙集、局部多粒度决策理论粗糙集、自适应、补偿系数、粒计算
36
O159(代数、数论、组合理论)
国家自然科学基金;国家自然科学基金
2023-02-21(万方平台首次上网日期,不代表论文的发表时间)
共14页
40-53