加权自适应多粒度决策理论粗糙集模型

摘要

多粒度粗糙集涉及属性权重时，通常利用指定的方式设定，而对于属性颗粒结构对应的上、下近似集计算所需的概率阈值也常依赖于专家建议设定，这使得现有粗糙集模型在实际应用中缺乏适应性。为此，提出1种加权自适应多粒度决策理论粗糙集模型(weighted adaptive multi-granulation decision-theoretic rough sets,WAMG-DTRS)。通过信息增益计算属性粒度的权重，并通过设置权重系数控制颗粒结构数目。同时，利用单参数决策理论粗糙集中的阈值公式确定属性颗粒结构中不同对象对应的上、下近似集计算所需的概率阈值，从而使模型更好地适应实际应用需求。在WAMG-DTRS模型的基础上，进一步构建5种平均加权自适应多粒度决策理论粗糙集模型，以进一步提高模型应用的适应性。通过实例和实验验证，结果表明：调整权重系数可灵活调整WAMG-DTRS模型的上、下近似集规模；不同平均条件下的WAMG-DTRS模型展现出不同的下近似集特性，并具备WAMG-DTRS模型灵活调控权重系数的能力。通过综合考虑不同平均条件，可以进一步提升模型的适应性。

关键词

自适应阈值 / 权重 / 多粒度 / 决策理论 / 粗糙集 / 信息增益 / 粒计算