代价敏感的多粒度邻域粗糙模糊集的近似表示
多粒度邻域粗糙集是邻域粗糙集理论的一种新型数据处理模式,其目标概念分别由乐观和悲观的上、下近似边界描述.但当前的多粒度邻域粗糙集既缺乏利用已有的信息粒近似描述目标概念的方法,又无法处理目标概念为模糊的情形.而张清华教授提出的粗糙集近似理论提供了一种利用已有信息粒近似描述知识的方法,为构建多粒度邻域粗糙模糊集的近似精确集提供了新思路.文中首先针对模糊目标概念,将粗糙集近似理论应用到邻域粗糙集领域,提出了代价敏感的邻域粗糙模糊集的近似表示模型;然后进一步从多粒度视角,构建出一种代价敏感的邻域粗糙模糊集的多粒度近似表示模型,并分析了其相关性质;最后,通过实验仿真,验证了当多粒度代价敏感近似及其上、下近似方法分别去近似刻画模糊目标概念时,多粒度代价敏感近似方法产生的误分类代价最小.
粗糙集、邻域粗糙模糊集、近似模型、代价敏感、多粒度
50
TP18;TP311.13(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;贵州省科技计划项目;贵州省优秀青年科技人才项目;重庆市自然科学基金;重庆市教委重点合作项目
2023-05-12(万方平台首次上网日期,不代表论文的发表时间)
共9页
137-145