多尺度决策系统的覆盖粗糙模糊集及其最优尺度选择

摘要

进一步推广基于覆盖的粗糙模糊集模型，在对象最小描述的近邻域上考虑对象在决策属性下的隶属度，提出了2种不同的覆盖粗糙模糊集，将覆盖粗糙模糊集与多尺度决策系统结合，构建了4种多尺度决策系统中的覆盖粗糙集模型。定义了对应的正域和属性重要度，设计相应的最优尺度选择算法。最后通过实验分析，比较了4种覆盖粗糙模糊集模型在多尺度决策系统中的最优尺度与原始尺度在回归预测效果上的差异。实验结果表明，第4种多尺度决策系统覆盖粗糙模糊集模型所选择的最优尺度组合有效提高回归模型的预测能力。

关键词

粗糙模糊集 / 多尺度决策系统 / 最优尺度选择 / 回归预测 / 最小描述

基金资助

国家自然科学基金资助项目(11871259,62076088); 福建省自然科学基金资助项目(2021J01979,2021J01983); 福建省教育厅中青年教师教育科研资助项目(JAT220211); 闽南师范大学研究生教育改革资助项目(YJG202209)