协调的不完备多粒度标记决策系统的最优粒度选择

针对具有多粒度标记的不完备信息系统的知识获取问题展开研究,首先,介绍不完备多粒度标记信息系统的概念,在不完备多粒度标记信息系统中的对象集上定义相似关系.然后,给出在不同粒度层面下信息粒度的表示及其相互关系,并进一步定义基于相似关系的集合的下、上近似概念,讨论它们的性质.最后,用证据理论中的信任函数和似然函数刻画协调的不完备多粒度标记决策系统的最优粒度选择特征.

不协调多粒度标记决策系统最优粒度的对比

针对具有多粒度标记的不协调决策系统的知识表示和知识获取问题展开研究.首先,介绍多粒度标记信息系统的概念,在多粒度标记信息系统中定义不可分辨关系.然后,给出由不同粒度层面下信息粒度的表示及其相互关系,并进一步定义在不同粒度层面下集合的下、上近似概念,并讨论它们性质.最后,介绍不协调多粒度标记决策系统中8种协调性和最优粒度概念,并讨论它们之间的相互关系.

广义不完备多粒度标记决策系统的粒度选择

粒计算(granular computing,GrC)是知识表示和数据挖掘的一个重要方法,它模拟人类思考模式,以粒为基本计算单位,以建立大规模复杂数据和信息处理的有效计算模型为目标.粒计算主要研究粒的构造、解释、表示、粒度的选择以及用规则形式所描述的粒与粒之间的关系等.针对具有多粒度标记的不完备信息系统的知识获取问题,首先,介绍了广义不完备多粒度标记信息系统的概念,在该信息系统中定义了相似关系,给出了在不同粒度标记层面下信息粒的表示及其相互关系,并定义了基于相似关系的集合的下、上近似概念,给出了近似算子的性质;其次,定义了广义不完备多粒度标记决策系统中的粒度标记选择的概念,阐明了所有粒度标记选择全体构成了一个完备格;最后,讨论了广义不完备多粒度标记决策系统中的最优粒度标记选择问题,并用证据理论中的信任函数和似然函数刻画了协调的不完备多粒度标记决策系统的最优粒度选择特征.