第7期2016年7月电 子 学 报ACTAELECTRONICASINICAVol.44 No.7Jul. 2016
收稿日期:2014-12-17;修回日期:2015-03-22;责任编辑:李勇锋
基金项目:国家自然科学基金(No.61472056,No.61309014,No.61379114);重庆市自然科学基金(No.cstc2012jjA40032,cstc2013jcyjA4006)
粗糙集近似集不确定性研究
张清华1,2
,薛玉斌1,胡 峰2,于 洪2
(1.重庆邮电大学理学院,重庆400065;2.重庆邮电大学计算智能重庆市重点实验室,重庆400065)
摘 要: 粗糙集用上、下近似集刻画不确定目标集合,而粗糙集的近似集用0.5-近似集作为不确定目标集合的近似集.
本文首先分析了基于粗糙集的0.5-近似集相似度的属性约简算法存在理论不完备的不足,指出这种相似度具有随知识粒度变化不敏感的缺陷.然后进一步给出了多粒度知识空间下相似度的变化规律,提出了粗糙集近似集的模糊度概念,分析了粗糙集近似集的模糊度在多粒度知识空间下的变化规律,进而提出了相应的属性约简算法.从新的视角构建了目标概念与其近似集的差异性度量方法.
关键词: 粗糙集;近似集;模糊度;不确定性;多粒度
中图分类号: TN911.23 文献标识码: A 文章编号: 0372-2112(2016)07-1574-07电子学报URL:http://www.ejournal.org.cn
DOI:10.3969/j.issn.0372-2112.2016.07.008
ResearchonUncertaintyofApproximationSetofRoughSet
ZHANGQing-hua1,2
,XUEYu-bin1,HUFeng2,YUHong2
(1.SchoolofScience,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China;
2.ChongqingKeyLaboratoryofComputationalIntelligence,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)
Abstract: Roughsetdescribesanuncertaintargetsetwithupperandlowerapproximationsets,andapproximationsetofroughsetuses0.5-approximationsetasanapproximationsetoftheuncertaintargetset.Inthispaper,wefirstlyfindthatthetheoryofattributereductionalgorithmbasedonsimilaritybetweentargetsetandits0.5-approximationsetisstillincom-plete,andthissimilarityisnotsensitivetochanginggranularities.Inordertoovercomeaboveshortcomings,thechangeruleofsimilaritywithchanginggranularitiesinamulti-granularityspaceisanalyzed,fuzzydegreeofapproximationsetisde-fined,andthechangerulesofthisfuzzinesswithchanginggranularitiesareanalyzedindetailinahierarchicalspace.Finally,anewattributereductionalgorithmisproposed.Fromanewperspective,akindofdifferentiationmeasurebetweenanuncer-taintargetsetanditsapproximationsetispresented.
Keywords: roughset;approximationset;fuzziness;uncertainty;multi-granularity
1 引言
Pawlak教授提出的粗糙集是一种处理不精确不完
全与不相容知识的数学理论[
1].现已广泛应用于模式识别、知识发现、问题求解以及不确定性推理等领域[2,3],成为了一种重要的智能信息处理技术.粗糙集的扩展型主要有变精度粗糙集和更广泛的概率粗糙
集.
很多学者对此进行了讨论[4~6]
,如米据生、张贤勇、钱宇华等人讨论了变精度粗糙集,并利用它进行属性
约简,取得了较好效果[7~10]
;Yao和Ziarko等人结合概率论和包含度提出了概率粗糙集,也取得了较好的理
论成果[
11~13]
.但不论是概率粗糙集还是变精度粗糙集,它们都只是构建了扩展的Pawlak近似算子,并没有用
现有的知识粒来构建目标集合X的近似集.
我们在文献[14]中的研究发现,粗糙集的近似集虽然是一个可定义集,但它与目标概念X相比仍然存在一定的差异,为此我们定义了相似度这一概念来描述近似集与目标概念X的差异性.那么用这种差异性来做属性约简是否能得到更好的结果呢?我们在文献[
15]中做了探讨性的实验,发现用0.5-近似集与目标概念X的相似度来做属性约简,得到的结果在识别率和约简时间上都有不同程度的提高.但是,当时我们并
没有给出能用相似度做属性约简的合理性证明.
另外概念之间的相似度,是近似集与目标概念整体上的差