多粒度粗糙集的近似集动态更新方法研究
波兰数学家Pawlak于1982年提出一种处理模糊知识的数学工具,即粗糙集理论。经典粗糙集利用论域上单个不可分辨的二元关系导出等价类,通过讨论等价类与目标概念之间的关系计算出上近似集和下近似集。
粒计算是一门快速发展的新兴学科,词计算模型、粗糙集模型和商空间模型是三种主要的粒计算模型。当前,粗糙集理论已成为研究粒计算的重要模型工具。
从粒计算的角度来看,经典粗糙集是一种基于单层次、单粒度的粒计算模型,不能从多层次、多粒度的视觉分析和处理问题。因此,钱宇华等人根据粒计算的思想,采用多粒度的观点,提出了基于完备信息系统的多粒度粗糙集模型。
目前,随着信息技术的飞速发展,信息系统中数据会随着时间而不断变化,由此可见,多粒度粗糙集中的知识也会随之发生动态变化,研究人员已经为粗糙集模型以及其扩展模型提出了许多用于知识获取的动态更新算法。然而,所提的动态更新算法大多是基于单粒度粗糙集模型而研究的,讨论的是在完备信息系统中当数据变化时如何更新近似集的问题,但关于多粒度粗糙集及其扩展模型中近似集动态更新算法的研究却寥寥无几,并且在部分研究中,近似集动态更新算法的时 ...