程度多粒度软粗糙集模型

doi:10.3778/j.issn.1673-9418.1808010

计算机科学与探索 ›› 2019, Vol. 13 ›› Issue (10): 1793-1800.DOI: 10.3778/j.issn.1673-9418.1808010

• 理论与算法 • 上一篇

程度多粒度软粗糙集模型

孙文鑫，刘玉锋，卓春英

1. 重庆水利电力职业技术学院，重庆 402160

2. 重庆大学城市科技学院，重庆 402160

出版日期:2019-10-01 发布日期:2019-10-15

Grade Multi-Granulation Soft Rough Set Model

SUN Wenxin, LIU Yufeng, ZHUO Chunying

1. Chongqing Water Resources and Electric Engineering College, Chongqing 402160, China
2. City College of Science and Technology, Chongqing University, Chongqing 402160, China

Online:2019-10-01 Published:2019-10-15

摘要/Abstract

摘要： 多粒度粗糙集的研究是近几年来研究的热门课题之一。提出了一种介于乐观和悲观多粒度软粗糙集的新模型——程度多粒度软粗糙集。首先，通过计数函数建立了程度多粒度软粗糙集模型；其次，讨论了程度多粒度软粗糙近似算子的性质；再次，定义并研究了程度多粒度软粗糙集的不确定性度量及性质；最后，通过医院对病人诊断的案例验证了模型的实用性。

关键词: 多粒度, 软集, 粗糙集, 度量

Abstract: In recent years, the research on multi-granulation rough set has become one of the hottest researches. In this paper, a new model of the grade multi-granulation soft rough set is presented, which is between optimistic multi-granulation soft rough set and pessimistic multi-granulation soft rough set. Firstly, the grade multi-granulation soft rough set is established by count function. Secondly, the properties of approximation operators are studied. What??s more, the uncertainty measure of grade multi-granulation soft rough set is defined and the properties are studied. Finally, an example diagnosis of patient in hospital illustrates the feasibility of this model.

Key words: multi-granulation, soft set, rough set, measure

孙文鑫，刘玉锋，卓春英. 程度多粒度软粗糙集模型[J]. 计算机科学与探索, 2019, 13(10): 1793-1800.

SUN Wenxin, LIU Yufeng, ZHUO Chunying. Grade Multi-Granulation Soft Rough Set Model[J]. Journal of Frontiers of Computer Science and Technology, 2019, 13(10): 1793-1800.

[1]	吴将，宋晶晶，程富豪，王平心，杨习贝. 面向连续参数的多粒度属性约简方法研究[J]. 计算机科学与探索, 2021, 15(8): 1555-1562.
[2]	陈洁，刘洋，赵姝，张燕平. 利用多粒度属性网络表示学习进行引文推荐[J]. 计算机科学与探索, 2021, 15(6): 1103-1113.
[3]	孙冬璞，曲丽. 时间序列特征表示与相似性度量研究综述[J]. 计算机科学与探索, 2021, 15(2): 195-205.
[4]	廖芸，张骁，廖士中. 统一框架下在线核选择的竞争性分析[J]. 计算机科学与探索, 2020, 14(7): 1126-1132.
[5]	孙妍，米据生，冯涛，李磊军，梁美社. 变精度极大相容块粗糙集模型及其属性约简[J]. 计算机科学与探索, 2020, 14(5): 892-900.
[6]	杨涵，秦克云. 面向属性（对象）多粒度概念格之间的关系[J]. 计算机科学与探索, 2020, 14(3): 527-533.
[7]	倪鹏，刘阳明，赵素云，陈红，李翠平. 动态模糊粗糙特征选取算法[J]. 计算机科学与探索, 2020, 14(2): 236-243.
[8]	于鹏. 逻辑公式间的Jaccard距离及其应用[J]. 计算机科学与探索, 2020, 14(11): 1975-1980.
[9]	邵俊健，王士同. 具有抗噪性能适用高维数据的增量式聚类算法[J]. 计算机科学与探索, 2019, 13(9): 1553-1566.
[10]	饶亚，贾修一，李同军，商琳. 基于类间区分度的属性约简方法[J]. 计算机科学与探索, 2019, 13(8): 1422-1430.
[11]	薛占熬，吕敏杰，韩丹杰，张敏. 基于优势关系的程度粗糙直觉模糊集模型研究[J]. 计算机科学与探索, 2019, 13(6): 1070-1080.
[12]	董杰，王逊，张文冬，王平心，杨习贝. 面向局部多约束的属性约简方法研究[J]. 计算机科学与探索, 2019, 13(5): 875-883.
[13]	魏明桦，郑金贵. 自适应目标与内容匹配的层级图像分割算法[J]. 计算机科学与探索, 2019, 13(4): 681-692.
[14]	杜文胜. 直觉模糊序决策系统的部分一致约简[J]. 计算机科学与探索, 2019, 13(3): 514-520.
[15]	杨贵军，于洋. 粗糙集的Mallow's Cp选择算法[J]. 计算机科学与探索, 2019, 13(3): 521-528.

程度多粒度软粗糙集模型

Grade Multi-Granulation Soft Rough Set Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics