多粒度决策粗糙集中的粒度约简方法

摘要：

多粒度决策粗糙集模型是一种泛化的多粒度粗糙集模型,该模型结合决策粗糙集数据分析理论和多粒度思想,实现了在多个粒空间进行决策粗糙集理论的建模.在此基础上,利用贝叶斯决策理论具体分析了在多粒度粗糙集模型中乐观和悲观的融合策略下多个粒空间中的概率融合关系,推导出基于最大条件概率和最小条件概率的粗糙集近似表示,进而构建了乐观多粒度决策粗糙集模型和悲观多粒度决策粗糙集模型.在该模型中引入近似分布约简的概念,分析了多个粒空间中的粒度选择问题.基于多粒度近似分布质量定义了多粒度决策粗糙集的粒度重要度,并且基于此给出了悲观和乐观融合策略α-下近似分布约简的粒度约简算法.通过实例验证了该算法的有效性.

关键词：多粒度决策粗糙集、贝叶斯决策理论、α-下近似分布约简、粒度约简、近似分布质量

所属期刊栏目：44

分类号：TP182(自动化基础理论)

资助基金：国家自然科学基金项目61672332;山西省煤基重点科技攻关项目MQ2014-09

在线出版日期：2017-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：199-205