多粒度决策粗糙集中的粒度约简方法

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。

不协调区间值决策系统中的α-上、下近似约简

研究了不协调区间值决策系统中基于α-容差关系的属性约简问题。针对一种常用的α-容差关系,给出了保持全部决策类的下近似不变的α-下近似约简和保持全部决策类的上近似不变的α-上近似约简的定义,证明了α-上近似约简与已有的α-广义决策约简和α-不确定性保持约简的等价性,以及α-下近似约简与已有的α-确定性保持约简的等价性。讨论了α-上近似约简和α-下近似约简之间的关系,并用例子加以验证。