| 基于边界域的邻域知识距离度量模型 |
| |
| 引用本文： | 杨洁,王国胤,李帅.基于边界域的邻域知识距离度量模型[J].计算机科学,2020,47(3):61-66. |
| |
| 作者姓名： | 杨洁 王国胤 李帅 |
| |
| 作者单位： | 重庆邮电大学计算智能重庆市重点实验室 重庆 400065;遵义师范学院物理与电子科学学院 贵州 遵义 563002;重庆邮电大学计算智能重庆市重点实验室 重庆 400065 |
| |
| 基金项目： | 创新人才计划;国家自然科学基金;贵州省教育厅科技人才成长项目 |
| |
| 摘 要： | 粗糙集的不确定性度量在知识获取中扮演着非常重要的角色。在邻域粗糙集理论中,当前不确定性度量方面的研究工作主要专注于度量单个知识空间的不确定性及其随粒度变化的单调性规律,其仍存在以下缺点:1)邻域粗糙集不确定性来自于邻域粒中属于目标概念的元素和不属于目标概念的元素,当前的方法没有同时考虑每个邻域信息粒的这两部分;2)不能反映不同知识空间对目标概念刻画能力的差异性;3)由于当前的知识距离包含了粒度划分的信息,已有方法在一些应用场合下不够准确,例如属性约简中的知识启发式搜索及其粒度选择。对此,文中首先构建了一种更加直观准确的邻域粗糙集的不确定性度量方法——邻域熵,并证明了不确定性度量随着粒度的细化具有单调性;为了反映不同邻域信息粒对目标概念刻画能力的差异性,提出了一种带近似描述能力的邻域粒距离,称为相对邻域粒距离,并介绍了它的相关性质;针对分层递阶的多粒度知识空间中的粒度选择问题,建立了基于边界域的邻域知识距离度量模型,该知识距离可以反映不同邻域知识空间对目标概念的刻画能力的差异性。
|
| 关 键 词： | 不确定性度量 邻域粗糙集 相对邻域粒距离 知识距离 邻域熵 |
Neighborhood Knowledge Distance Measure Model Based on Boundary Regions |
| |
| YANG Jie,WANG Guo-yin,LI Shuai.Neighborhood Knowledge Distance Measure Model Based on Boundary Regions[J].Computer Science,2020,47(3):61-66. |
| |
| Authors: | YANG Jie WANG Guo-yin LI Shuai |
| |
| Affiliation: | (Chongqing Key Laboratory of Computational Intelligence,Chongqing University of Post and Telecommunications,Chongqing 400065,China;School of Physics and Electronic Science,Zunyi Normal University,Zunyi,Guizhou 563002,China) |
| |
| Abstract: | |
| |
| Keywords: | Uncertainty measure Neighborhood rough sets Relative neighborhood granule distance Knowledge distance Neighborhood entropy |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
