关于粒计算下的粗糙集模型对比_0.docVIP

关于粒计算下的粗糙集模型对比 粒计算下的粗糙集模型对比，为探讨基于信息粒的知识获取以及动态粒的推理奠定了基础。 粒度计算是由Zadeh[1]于1996年提出,他认为,人类认识主要基于三个主要概念,即粒度、组织和因果。其中粒度计算是一把伞,涵盖了有关粒度计算的理论、方法论、技术和工具的研究,在粗糙集理论、概念格、知识工程、数据挖掘、人工智能、机器学习等领域有潜在的应用,已成为信息科学的研究热点之一[2]职称论文。 粗糙集[3]定义为给定关系上集合的上近似与下近似构成的有序对,已被成功地应用于机器学习、决策分析、过程控制、模式识别和数据挖掘等领域[4]。传统的粗糙集理论是基于单一粒定义的,即静态粒。文献[5~7]提出了多粒运算下的粗糙集理论模型,即MGRS(multi-granulations rough set,MGRS),并讨论了相关的数学性质。考虑到文献[5~7]中主要讨论了集合在粒度P和Q的P+Q、Pcap;Q运算下的上下近似集合,本文对多粒运算下的粗糙集模型进行了进一步的讨论,并将其与单一粒度下的粗糙集模型进行了比较;同时,将多粒运算下的粗糙集模型与组合粒度下的粗糙集模型进行了?比较。 1 相关概念 本章给出的相关概念对于后续部分给出的讨论是必要的。 定义1 命题逻辑中,命题P和