廣義多粒度雙量化鄰域粗糙集

摘要：針對實(shí)數(shù)型數(shù)據(jù)的信息量化問題，引人相對概念和絕對基數(shù)構(gòu)建了廣義多粒度雙量化鄰域粗糙集模型. 首先，通過1型和11型廣義多粒度上、下鄰域特征支撐函數(shù)構(gòu)建兩類廣義多粒度上、下鄰域近似算子并討論其 性質(zhì)；其次，討論了兩種廣義多粒度鄰域粗糙集的關(guān)系；最后，通過傳染病案例實(shí)證分析了模型的實(shí)用性和有效 性.

關(guān)鍵詞：廣義多粒度粗糙集；雙量化；鄰域粗糙集；傳染病

中圖分類號：（0236

文獻(xiàn)標(biāo)志碼：A

Generalized Multi-granularity

Double-quantization Neighborhood Rough Set

SUN Wen-xin

（Chongqing Water Resources and Electric Engineering College， Yongchuan， Chongqing 402160， China）

Abstract： The generalized multi-granularity double-quantization neighborhood rough set model is constructed by introducing relative concept and absolute cardinality， aiming at the problem of information quantization of real data. Firstly， two kinds of generalized multi-granularity upper and lower neighborhood approximation operators are constructed by type I and type II generalized multi-granularity upper and lower neighborhood characteristic support functions， secondly， the relationship between two kinds of generalized multi-granularity neighborhood rough sets is discussed， finally， the practicability and validity of the model are analyzed by the case of infectious diseases.

Key words：generalized multi-granularity; double quantization; neighborhood rough set; infectious disease

隨著數(shù)字信息化中大數(shù)據(jù)時代的到來，高維、 動態(tài)、復(fù)雜數(shù)據(jù)出現(xiàn)得越來越頻繁，如何從這些復(fù) 雜、海量的數(shù)據(jù)中提取有效的信息是當(dāng)前智能社 會面臨的卡脖子問題之一.為了解決這個問題，已 有很多學(xué)者運(yùn)用粗糙集[1]、粒計算[2]等方法從各 個方面進(jìn)行了探究，并取得了顯著的成效.

隨著粗糙集和粒計算的發(fā)展，一些研究者提 出了多粒度的思想[3]，隨后在多粒度的基礎(chǔ)上推 廣，提出了廣義多粒度粗糙集[4，這些研究不僅將粗糙集和粒計算進(jìn)行了有效結(jié)合，也拓寬了粗糙 集和粒計算的研究領(lǐng)域.

鑒于粗糙集在實(shí)際應(yīng)用中的需要，有些學(xué)者 提出了概率粗糙集[5]和程度粗糙集[6]，又介于概 率粗糙集的相對量化和程度粗糙集的絕對量化不 公問題，提出了雙量化粗糙集[7]，該模型從很大程 度上改善了量化的偏差問題.又因?qū)嶋H問題的需 要，2018年王和錢等[8]提出了局部鄰域多粒度粗 糙集，解決了實(shí)數(shù)型數(shù)據(jù)的知識獲取和不確定信息挖掘問題.此外，學(xué)者們針對不同類型數(shù)據(jù)信息 挖掘和量化問題，構(gòu)建了各種雙量化決策粗糙集 模型，解決了特殊性數(shù)據(jù)的信息提取問題[9-11].

本文針對實(shí)數(shù)型數(shù)據(jù)的量化問題，通過改進(jìn)特 征支撐函數(shù)，構(gòu)建廣義多粒度雙量化鄰域粗糙集.

5結(jié)語

實(shí)數(shù)型數(shù)據(jù)的知識獲取和信息量化是當(dāng)前數(shù) 據(jù)處理的熱門問題之一.本文針對實(shí)數(shù)型數(shù)據(jù)的 量化問題，結(jié)合廣義多粒度和雙量化思想，用粗糙集數(shù)學(xué)工具構(gòu)建了兩種類型的廣義多粒度雙量化 鄰域粗糙集模型.模型的構(gòu)建從絕對量化和相對 量化兩個角度分析了實(shí)數(shù)型數(shù)據(jù)的量化處理問 題，為實(shí)數(shù)型數(shù)據(jù)的知識獲取提供了理論依據(jù).

參考文獻(xiàn)：

[1] PAWLAK Z. Rough sets[J].Computing and Information Science，1982，11（5）：341-356.

[2] ZADEH L A.Fuzzy Sets and Information Granularity[M]. Amsterdam： North-Holland Publishing， 1979： 433-448.

[3] QIAN Y H，LIANG J Y，YAO Y Y，et al. MGRS am-ulti-granulation rough set [J]. Information Sciences，2010，180（6）：949-970.

[4] XU W H，ZHANG X T，WANG Q R. A generalized multi-granulation rough set approach [C]//Rough Sets and Knowledge Technology，LNCS 8171，Berlin： Springer-Verlag，2012：681-689.

[5] WONG S K M，ZIARKO W.Comparison of the probabilistic approximate classification and the fuzzy set model[J]. Fuzzy Sets and Systems，1987，21：357-362.

[6]張賢勇，謝壽才，莫智文.程度粗糙集[J].四川師范大學(xué)學(xué)報（自然科學(xué)版），2010，33（1）：12-16.

[7] LI W T，XU W H. Double-quantitatice decision-theoretic rough set [J]. Information Sciences， 2015， 316： 54-67.

[8] WANG Q，QIAN Y，LIANG X，et al. Local neighborhood rough set[J]. Knowledge-Based Systems，2018，153：53-64.

[9]湯悅，李文濤，徐偉華，等.直覺模糊序信息系統(tǒng)中雙 量化粗糙集模型[J].模糊系統(tǒng)與數(shù)學(xué)，2021，35（6）：87-100.

[10]劉麗君.基于格值信息系統(tǒng)的雙量化決策粗糙集理 論[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2020.

[11] LI W T，LI Z，ZHU C L，et al. Neighborhood-based set-valued double-quantitative[J].Chinese Quarterly Journal of Mathenatics，2021，36（2）：122-140.

[12] SUN L ，WANG L ，DING W，et al. Feature selection using fuzzy neighborhood entropy-based uncertainty measures for fuzzy neighborhood multigranulation rough sets [J]. IEEE Transactions on Fuzzy Sys-tems，2021，29（1）：19-33.

[13]郭艷婷.多粒度雙量化決策粗糙集及其屬性約簡研究[D].重慶：重慶理工大學(xué)，2017.

[14]苑克花.模糊數(shù)據(jù)的特征選擇與動態(tài)知識更新方法 研究[D].重慶：西南大學(xué)，2022.