一种基于灰色绝对关联度的变精度粗糙集模型

应用经典粗糙集理论处理连续值属性决策表问题时,对连续值属性进行离散化会造成信息损失,同时经典粗糙集模型也无法处理不精确分类。针对以上问题,建立了基于灰色绝对关联度的变精度粗糙集模型,研究了模型的部分性质和定理,提出了基于重要度的约简算法对模型进行属性约简。通过实例说明了模型建立和约简的具体过程。

基于一种改进相似度的扩展粗糙集模型

应用经典粗糙集理论处理连续值属性决策表问题时,对连续值属性进行离散化会造成信息损失.本文在分析已有相似度不足的基础上提出一种改进的相似度,建立基于改进相似度的扩展粗糙集模型,并提出一种基于重要度的约简算法.

基于灰色关联度的变精度粗糙集模型

为了解决经典粗糙集理论无法处理不精确分类以及连续值属性离散化造成信息损失等问题,本文提出了基本灰色关联度的变经度粗糙集模型(γ-′β(X),γ′β(X))。首先利用灰色关联度定义相似并进一步定义粗糙集并研究了模型的部分性质和定理(当0<t1≤t2<1时,有γt2(x)γt1(x)、γ-t1β(X)γ-t2β(X)及γt2β(X)γt1β(X)成立),然后提出了一种基于重要度SIGB(c)的约简算法来计算最小约简,最后通过一个实例说明模型是有效和可行的。