多粒度区间集概率粗糙集模型

发布时间：2020-11-03 22:40

　　 粗糙集理论作为一种处理不确定性、不完备性和模糊性等问题的数学工具而被广泛应用于机器学习、人工智能等许多领域。随着研究的不断深入,针对各种实际问题产生了粗糙集的不同推广形式。其中,概率粗糙集是利用条件概率和两个阈值给出了被近似集和等价类之间满足一定包含程度的近似刻画。区间集粗糙集通过下、上近似给出了区间集的粗糙近似刻画。多粒度粗糙集则从多粒度空间(一族等价关系)角度对被近似集进行近似描述。本文基于概率粗糙集、区间集粗糙集和多粒度粗糙集研究了区间集概率粗糙集、多粒度区间集概率粗糙集和可变多粒度区间集概率粗糙集。主要研究内容如下:第一部分将概率粗糙集引入到区间集粗糙集中,提出了区间集概率粗糙集模型。研究了区间集概率粗糙集的性质,给出了当阈值发生变化时对应的区间集概率粗糙下、上近似的单调性。最后,讨论了区间集概率粗糙集的粗糙度量。第二部分研究了多粒度区间集概率粗糙集模型。Pawlak粗糙集基于单个粒空间(一个等价关系)建立下、上近似来刻画被近似集,而多粒度粗糙集则在多粒度空间(一族等价关系)上对被近似集进行近似描述。本文在区间集粗糙集的基础上,提出了多粒度区间集粗糙集,研究了乐观多粒度区间集粗糙集和悲观多粒度区间集粗糙集,讨论了它们的性质,给出了各种区间集粗糙集之间的关系。进一步,在多粒度空间中引入了多粒度区间集概率粗糙集,分别研究了乐观多粒度区间集概率粗糙集和悲观多粒度区间集概率粗糙集的性质,通过实例给出了乐观、悲观多粒度区间集概率粗糙集对被近似区间集刻画的优越性。第三部分讨论了可变多粒度区间集概率粗糙集。首先,给出了多粒度空间上部分满足等价类和被近似区间集包含或交不空条件的可变多粒度区间集粗糙集,研究了它们的性质。进而,基于条件概率和可变多粒度区间集粗糙集的研究,提出了可变多粒度区间集概率粗糙集,研究了它们的性质,讨论了这两种模型上的粗糙度量。
【学位单位】：长安大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：O159;TP18
【部分图文】：

图 2.1 经典粗糙下、上近似 Pawlak 近似空间(U ,R)的边界域[1,2]定义为:BND ( X ) R ( X ) R ( X).义的 BND( X ) .lak 近似空间(U ,R )上，对任意的 X U，| ( ) |( )| ( ) | RR XXR X Pawlak 近似空间(U ,R )的精度[2]，其中， 表示集合的基( )1R X , 且 ( ) 1R X当且仅当 R ( X ) X R ( X ),即 X 1当且仅当 R ( X ) R ( X),即 X 为粗糙集。

是 Pawlak 近似空间， Pr是U 上的概率测度，称(U , R, P X U,0 1, X 的概率粗糙下、上近似[58]分别定( ) {[ ] / | Pr( | [ ] ) }{ | Pr( | [ ] ) }( ) {[ ] / | Pr( | [ ] ) }{ | Pr( | [ ] ) }, R RRR RRR X x U R X xx U X xR X x U R X xx U X x，了U 的幂集 (U )上的一对算子，分别称为概率下、上近( ) Pr | [ ]RRRx XX xx X 的正确分类率。出了阈值 0.7, 0.2时任意子集 X 的概率粗糙下、上

第三章 区间集概率粗糙集模型 用的 论文和 需要 进一 步评审 的论 文的 集合 。显然cY ，则lX 和uX 给出了可能录用论文的下、上界。尽管每两种结果，但在进一步审稿之前，还不知道最终结果出了可能录用论文的集合。，对任意 , l uX X X， X 中的论文都有可能被录用。
【参考文献】

相关期刊论文 前3条

1 李艳颖;杨有龙;汪春峰;;基于粗糙集属性约简与进化算法的贝叶斯网络分类器[J];郑州大学学报(理学版);2014年02期

2 张明;唐振民;徐维艳;杨习贝;;可变多粒度粗糙集模型[J];模式识别与人工智能;2012年04期

3 王国胤;Rough集理论在不完备信息系统中的扩充[J];计算机研究与发展;2002年10期

相关博士学位论文 前1条

1 钱宇华;复杂数据的粒化机理与数据建模[D];山西大学;2011年

相关硕士学位论文 前2条

1 潘笑晨;结构粗糙集近似的粗糙逼近[D];长安大学;2016年

2 陈青梅;多粒度概率粗糙集若干问题研究[D];广西大学;2014年

本文编号：2869204