多粒度粗糙模糊集

统一现有模型

将覆盖粗糙模糊集与多粒度粗糙集融合，提出一种新的广义粗糙集模型，为现有模型提供统一视角，并给出乐观与悲观两种公理化刻画。

黄哲煌 · 李进金

Expert Systems with Applications 2024

技术优势

统一现有模型

新的多粒度粗糙模糊集模型为现有粗糙集模型提供了统一的视角。

准确评估信息

利用模糊β-邻域描述覆盖族的信息表示和知识融合，能更有效地评估分类信息。

性能更优

在十二个不同类型的数据集上的实验表明，该模型在约简率和分类性能上优于三种流行算法。

应用场景

• 特征选择：用于高维数据的特征选择，减少冗余信息，提高模型效率。
• 数据挖掘：从数据中提取关键特征，辅助知识发现和模式挖掘。
• 模式识别：通过判别性特征选择提升模式识别系统的分类性能。