λ-相似关系下的区间粗糙数粗糙集模型

doi:10.3778/j.issn.1002-8331.1903-0456

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (21): 46-51.DOI: 10.3778/j.issn.1002-8331.1903-0456

λ-相似关系下的区间粗糙数粗糙集模型

程林海，何莹莹，张玉，吕跃进

1.广西大学电气工程学院，南宁 530004
2.广西大学数学与信息科学学院，南宁 530004
3.广西科技大学鹿山学院，广西柳州 545616

出版日期:2019-11-01 发布日期:2019-10-30

Interval Rough Number Rough Set Model Under λ-Similarity Relation

CHENG Linhai, HE Yingying, ZHANG Yu, LV Yuejin

1.College of Electrical Engineering, Guangxi University, Nanning 530004, China
2.College of Mathematics and Information Science, Guangxi University, Nanning 530004, China
3.Lushan College, Guangxi University of Science and Technology, Liuzhou, Guangxi 545616, China

Online:2019-11-01 Published:2019-10-30

摘要/Abstract

摘要： 针对经典粗糙集理论在处理区间粗糙数信息系统时的局限性，定义了区间相似度。在此基础上，引入参数[α]和[β]，提出了区间粗糙数相似度的概念。引入参数[λ]，结合区间粗糙数相似度的概念给出了[λ]-相似关系及相似类的概念，进而提出了[λ]-相似关系下的区间粗糙数粗糙集模型。研究了该粗糙集模型的相关性质，并通过实例对其进行说明。

关键词: 粗糙集, 区间粗糙数信息系统, 相似关系, 区间相似度

Abstract: Aiming at the limitation of classical rough set theory in dealing with interval rough number information system, an interval similarity rate is defined. Combining the interval similarity rate and introducing two parameters [α] and [β], the concept of interval rough number similarity is proposed. The concepts of [λ]-similarity relation and similarity class are given by introducing the parameter [λ] and combining the concept of interval rough similarity. The interval rough set model under [λ]-similarity relation is proposed. The relevant properties of the rough set model are studied and explained by an example.

Key words: rough set, interval rough number information system, similarity relation, interval similarity rate

程林海，何莹莹，张玉，吕跃进. λ-相似关系下的区间粗糙数粗糙集模型[J]. 计算机工程与应用, 2019, 55(21): 46-51.

CHENG Linhai, HE Yingying, ZHANG Yu, LV Yuejin. Interval Rough Number Rough Set Model Under λ-Similarity Relation[J]. Computer Engineering and Applications, 2019, 55(21): 46-51.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[10]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[11]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.

λ-相似关系下的区间粗糙数粗糙集模型

Interval Rough Number Rough Set Model Under λ-Similarity Relation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics