基于知识粒化的粗糙集不确定性的新度量

在粗糙集理论中,精度和粗糙度用于表征集合的不确定性,近似精度用于描述强分类的精度。 尽管这些措施是有效的,但当一个知识下的集合的上下近似等于另一知识下的下近似/上逼近时,它们会有一些限制。 为了克服这些限制,我们在本文中解决了信息系统中集合的不确定性和决策表中的粗略分类的近似精度问题。 给出了信息系统知识粒化的公理定义,在此定义下,这三种措施得到了修改。 理论研究和实验结果表明,改进后的方法分别适用于评估信息系统中集合的韧性和准确性以及决策表中粗分类的近似准确度,并且更简单,更全面。形式比现有的形式。