基于证据理论刻画多粒度覆盖粗糙集的数值属性OA北大核心CSCDCSTPCD
Evidence-theory-based numerical characterization of multi-granulation covering rough sets
在经典多粒度粗糙集模型的基础上，基于论域中对象的极大描述和极小描述，定义了4种应用更为广泛的悲观多粒度覆盖粗糙集模型。然后通过集合的交、并运算与关系划分函数，构造了对象关于覆盖族的单粒度的多元覆盖及单粒度划分。在此基础上，基于证据理论，探讨了4种悲观多粒度覆盖粗糙集的上、下近似与信任函数和似然函数之间关系，并描述了该模型所具备的相关数值属性。对比分析表明悲观多粒度覆盖粗糙集模型既具备经典多粒度粗糙集模型能够融合多源信息的优势，又克服了其应用范围狭…查看全部>>
Considering classical multi⁃granulation rough sets and using the maximal and minimal descriptors of ob⁃jects in a given universe, this paper proposes four pessimistic multi⁃granulation covering rough set models, suitable for extensive application. Based on set union and portion functions, the notion of multi⁃granularity covering connect⁃ed to a number of coverings and a single granularity partition in the domain are defined. On this basis, belief and plausib…查看全部>>
车晓雅;李磊军;米据生
河北师范大学 数学与信息科学学院，河北 石家庄050024河北师范大学 数学与信息科学学院，河北 石家庄050024 河北省计算数学与应用重点实验室，河北 石家庄050024
信息技术与安全科学
粗糙集理论覆盖粒度证据理论近似特性描述
rough sets theorycoveringgranulationevidence theoryapproximationcharacterization
《智能系统学报》 2016 (4)
基于多伴随粒计算的知识获取方法研究
481-486,6
国家自然科学基金项目（61573127，61502144，61300121，61472463）；河北省自然科学基金项目（ A2014205157）；河北省高校创新团队领军人才培育计划项目（ LJRC022）；河北省高校自然科学基金项目（ QN2016133）；河北师范大学博士科学基金项目（ L2015B01）；河北省教育厅研究生创新项目（ sj2015001）．
评论