多尺度形式背景及其粗糙近似

首先提出一种新的多尺度形式背景的概念。在该背景中,随着尺度的变化,每一个属性所拥有对象呈现单调性的变化。其次,引入形式背景的粗糙近似概念,并讨论在多尺度形式背景下,不同尺度下近似集的关系。最后,在多尺度形式背景和决策多尺度形式背景下,通过借助信任函数和似然函数,研究它们在不同尺度下的关系,给出上、下近似协调集的定义。

面向多尺度决策形式背景的粒结构模型

通过把大量信息按照各自特点进行分块,简化庞大信息和数据的规模,粒计算为处理大数据提供了一种有效的方法.决策形式背景通过对象集和属性集以及他们之间的关系定义算子,从而形成概念信息粒,以达到对庞大信息的深入认识,这种信息处理方法被广泛应用.由于认识信息的不同的目的导致不同的认识深度要求.我们需要对信息进行多尺度处理,为此,本文将多尺度信息系统的粒度转换函数推广到形式背景上,建立多尺度决策形式背景的粒结构模型.首先回顾决策形式背景的基本概念和协调性.其次,引入多尺度形式背景,并讨论该系统不同尺度间信息粒的关系、粗糙近似、以及不同尺度间对应形式背景的协调性关系.在此基础上,引入多尺度决策形式背景,并讨论该系统的各种协调性的传递性.最后,研究该系统的最优尺度选择并给出具体的算例.