基于知识粒化的粗糙集近似精度的泛化改进

精度是表征粗糙集概念精确性的基本度量,但具有关于知识粒化的信息缺失与量化局限.近似精度引入知识粒度进行改进.归纳分析现有五种近似精度,探讨基于知识粒化的近似精度的泛化原则与改进建模.基于实例分析,确立近似精度的"单调、一致、无关、下界"四项改进准则,验证已有近似精度的满足性;挖掘近似精度的"逼近、单调"两项量化优化,融合概念精度与知识粒度建立近似精度的泛化含参模型;提出一种改进近似精度,揭示其准则满足性与优化应用性,并用知识实例与数据实验进行有效验证.所得结果提供了近似精度的泛化构造框架与具体改进模型.