[논문 리뷰] An improved axiomatic definition of information granulation

Ping Zhu|ArXiv.org|2009. 08. 27.

Rough Sets and Fuzzy Logic참고 문헌 5인용 수 4

한 줄 요약

이 논문은 다변수 단조 함수와의 연결을 통해 정보 그레인율의 개선된 공리적 정의를 제안하며, 보편적인 구축 방법을 제공한다. 이를 통해 기존의 핵심 그레인율 측정법들—예: [2, 6, 7, 9, 10]에서 제시된 것들—이 이 프레임워크의 특수한 사례임을 입증하며, 수학적 엄밀성을 높이고 이전 접근법들을 통합한다.

ABSTRACT

To capture the uncertainty of information or knowledge in information systems, various information granulations, also known as knowledge granulations, have been proposed. Recently, several axiomatic definitions of information granulation have been introduced. In this paper, we try to improve these axiomatic definitions and give a universal construction of information granulation by relating information granulations with a class of functions of multiple variables. We show that the improved axiomatic definition has some concrete information granulations in the literature as instances.

연구 동기 및 목표

• 이전의 정보 그레인율 공리적 정의에서의 형식적 및 수학적 결함을 보완하기 위해.
• 문헌에서 제시된 다양한 정보 그레인율 측정법들을 하나의 강력한 공리적 프레임워크로 통합하기 위해.
• 다변수 단조 함수에 기반한 정보 그레인율의 보편적인 구축 방법을 확립하기 위해.
• 기존에 알려진 그레인율 측정법들이 새로운 공리적 정의를 만족함을 보장함으로써, 그 정의의 일반성과 적용 가능성의 타당성을 입증하기 위해.

제안 방법

• 모든 객체의 유니버스에서의 허용 범주 크기 벡터를 각 속성 부분집합 P ⊆ A에 대응시키는 사상 α(P)를 정의한다.
• 정렬된 범주 크기 벡터의 성분 간 부분순서에 대해 단조적인 함수 f: ℝⁿ → ℝ를 도입한다.
• G_f(P) = f(βα(P)) + c로 그레인율 측정법을 구성하며, 여기서 βα(P)는 범주 크기 벡터를 정렬한 것으로, c ≥ −min(f)는 음수성을 보장하기 위한 조건이다.
• 모든 이러한 G_f가 비음성, 동치 속성 집합에 대한 불변성, 그리고 세분화에 따른 단조성이라는 세 공리를 만족함을 증명한다.
• 기존의 그레인율들이 특정 f와 c에 대해 G_f의 특수한 사례로 나타남을 보여, 구축 방법이 보편적임을 입증한다.
• 역구축을 활용: 주어진 그레인율 G에 대해 g, ˆg, π를 통해 f_G를 정의함으로써 f∘βα = G를 만족하는 f를 복원한다.

실험 결과

연구 질문

• RQ1 기존 정의의 결함를 시정하기 위해 더 수학적으로 엄밀한 정보 그레인율의 공리적 정의를 개발할 수 있는가?
• RQ2 모든 알려진 정보 그레인율 측정법을 생성할 수 있는 보편적인 구축 방법을 어떻게 확립할 수 있는가?
• RQ3 문헌에서 중요한 그레인율 측정법들—예: [2, 6, 7, 9, 10]에서 제시된 것들—이 새로운 공리적 정의를 만족하는가?
• RQ4 다변수 벡터에 정의된 어떤 함수 클래스가 모든 유효한 정보 그레인율 측정법을 생성할 수 있는가?
• RQ5 단조 함수 f와 정보 그레인율 측정법 G_f 사이에 일대일 대응이 존재하는가?

주요 결과

• 개선된 공리적 정의는 비음성, 동치 속성 집합에 대한 불변성, 세분화에 따른 단조성의 세 공리를 만족하며, 이는 이전의 형식적 약점을 시정한다.
• 단조 함수 f와 c ≥ −min(f)를 갖는 G_f(P) = f(βα(P)) + c는 임의의 정보 시스템에 대해 유효한 정보 그레인율을 생성한다.
• [2]에서 제시된 그레인율은 f(r) = (1/n²)∑r_i와 c=0일 때 G_f(P) = (1/n²)∑|S_P(xi)|로 복원된다.
• [9]에서 제시된 조합 그레인율은 f(r) = (1/n)∑r_i(r_i−1)/(n(n−1))과 c=0일 때 도출된다.
• [7]에서 제시된 rough 엔트로피는 f(r) = (1/n)∑log₂r_i와 c=0을 통해 실현되며, 이는 기존의 엔트로피 기반 측정법과의 일관성을 보여준다.
• 이 프레임워크는 하나의 일반적인 구축 방법으로 다수의 그레인율 측정법을 통합하며, 이는 그 측정법들이 개선된 공리적 정의와의 호환성을 입증한다.