模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2013, Vol. 26 Issue (10): 897-908    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于严凸函数的知识粒度与相对粒度
黄国顺1,曾凡智2,陈广义3,文翰1
1.佛山科学技术学院 理学院 佛山 528000
2.佛山科学技术学院 电子与信息工程学院 佛山 528000
3.佛山科学技术学院 机械与电气工程学院 佛山 528000
Knowledge Granularity and Relative Granularity Based on Strictly Convex Function
HUANG Guo-Shun1 , ZENG Fan-Zhi2 , CHEN Guang-Yi3 , WEN Han1
1 .Science School, Foshan University, Foshan 528000
2 .Electronics and Information Engineering School, Foshan University, Foshan 528000
3Mechatronics and Electronic Engineering School, Foshan University, Foshan 528000

全文: PDF (458 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 首次将严凸函数引入知识粒度研究中,提出基于严凸函数的知识粒度理论框架。根据该理论框架,给出一系列知识粒度度量函数,证明现有多种常见的知识粒度度量是该理论框架的特殊情形或变种。给出基于严凸函数的相对粒度定义,虽然对任意严凸函数导出的相对粒度不满足单调性,但对一些特殊严凸函数导出的相对粒度证明其单调性,并给出等号成立的条件。证明现有条件信息熵都是文中提出的严凸函数相对粒度的特殊情形,揭示它们的知识粒度本质。针对一致决策表,证明相对粒度与正区域不变等价,从而得到一致决策表代数约简的相对粒度判定方法。数值算例验证文中结论的正确性。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄国顺
曾凡智
陈广义
文翰
关键词 严凸函数知识粒度相对粒度条件信息熵    
Abstract:The strictly convex function is introduced into the research of knowledge granularity for the first time. Based on the strictly convex function, a theory framework for constructing knowledge granularity is proposed. A series of knowledge granularity measuring functions is derived under this framework. It is proved that the existing knowledge granularity measuring functions are the special cases or variations of knowledge granularity measures which are derived by strictly convex functions. The definition of the relative knowledge granularity based on strictly convex function is given. Its monotonicity is proved for some special strictly convex functions and the corresponding equality conditions are provided, although it does not hold for general strictly convex functions. It is proved that the existing two conditional information entropies are the special forms of the proposed relative knowledge granularity. Their knowledge granularity essence is revealed. For a consistent decision table, it is proved that the relative knowledge granularity is equivalent to positive region for each other. Therefore, the attribute reduction judgment method of algebraic reduction is presented by the relative granularity in consistent decision table. The correctness of the proposed conclusions is showed by a numerical example.
Key wordsStrictly Convex Function    Knowledge Granularity    Relative Granularity    Conditional Information Entropy   
收稿日期: 2012-06-20     
ZTFLH: TP181  
基金资助:广东省自然科学基金资助项目(No.10452800001004185)
作者简介: 黄国顺(通讯作者),男,1972年生,博士,副教授,主要研究方向为粗糙集、粒度计算等.E-mail:fshgs_72@163.com.曾凡智,男,1965年生,博士,教授,主要研究方向为粗糙集、数据挖掘等.陈广义,男,1962年生,教授,主要研究方向为控制理论.文翰,男,1977年生,博士,讲师,主要研究方向为Web挖掘.
引用本文:   
黄国顺,曾凡智,陈广义,文翰. 基于严凸函数的知识粒度与相对粒度[J]. 模式识别与人工智能, 2013, 26(10): 897-908. HUANG Guo-Shun , ZENG Fan-Zhi , CHEN Guang-Yi , WEN Han. Knowledge Granularity and Relative Granularity Based on Strictly Convex Function. , 2013, 26(10): 897-908.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2013/V26/I10/897
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn