基于最优相似度三支决策的模糊粗糙集模型

摘要：

模糊信息系统中,对象的相似度往往会受噪声影响,且它在模型运算中常常并非全部需要高精度参与计算.文中首先引入阈值对(α,β),提出了一种基于相似度三支决策的模糊粗糙集模型;其次利用模糊集近似的三支决策方法,给出了对象相似度三支决策的错误率、决策代价以及相应的语义解释;然后以总体决策代价最小化为目标,给出了最优(α,β)的计算方法,从而建立了一种基于最优相似度三支决策的模糊粗糙集模型;最后通过实例分析说明了该模型的可行性和合理性.本文建立的三支决策模糊粗糙集模型保留了模糊信息系统的不确定性,一定程度地去除了噪声影响,且能通过计算得到最优阈值(α,β),从而建立基于相似度三支决策的最优模型,这将有益于模糊信息系统的应用.

关键词：三支决策、模糊集、相似度、模糊粗糙集

所属期刊栏目：45

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61673285,61303204,61203285;四川省科技支撑计划项目2017JQ0046,2015GZ0079;四川省教育厅科研项目18ZA0410,17ZB0356

在线出版日期：2018-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：27-32