[论文解读] Dialectics of Knowledge Representation in a Granular Rough Set Theory

A. Mani|arXiv (Cornell University)|Dec 28, 2012

Rough Sets and Fuzzy Logic参考文献 15被引用 6

一句话总结

本文在原始传递近似空间（PRAS）的粒度粗糙集理论中，提出了一种辩证的知识表示框架，展示了在特定条件下，粗糙对象如何通过确定性对象的配对来表示。主要贡献在于扩展了知识解释（KI），解决了污染问题，并实现了跨语义领域的稳定知识表示，尤其适用于非经典粗糙集理论（RST）环境。

ABSTRACT

The concepts of rough and definite objects are relatively more determinate than those of granules and granulation in general rough set theory (RST) [1]. Representation of rough objects can however depend on the dialectical relation between granulation and definiteness. In this research, we make this exact in the context of RST over proto-transitive approximation spaces. This approach can be directly extended to many other types of RST. These are used for formulating an extended concept of knowledge interpretation (KI)(relative the situation for classical RST) and the problem of knowledge representation (KR) is solved. These will be of direct interest in granular KR in RST as developed by the present author [2] and of rough objects in general. In [3], these have already been used for five different semantics by the present author. This is an extended version of [4] with key examples and more results.

研究动机与目标

• 形式化粗糙集理论中粒度与确定性之间的辩证关系，特别是在非经典设置下。
• 通过引入区分不同语义领域的粒度KI，解决知识表示中的“污染问题”。
• 将经典粗糙集理论中的知识解释（KI）推广至原始传递近似空间（PRAS），实现更丰富的语义解释。
• 建立在PRAS中，粗糙对象可表示为确定性对象对或区间的条件。
• 构建一个语义框架（Meta-RC），使不同类型的关键点可被感知，从而支持稳健的知识表示与粗糙计数过程。

提出的方法

• 以原始传递近似空间（PRAS）作为基础结构，其中关系满足弱传递性且具有自反性。
• 将粗糙对象定义为满足 a ⊆ b 的确定性对象对 (a, b)，并仅当 b 覆盖 a 时，将区间 ]a, b[ 视为粗糙对象。
• 引入两种知识解释：I₁(S) 用于下近似，Iₒ(S) 用于上近似，通过 (I₁(S), Iₒ(S)) 构成广义KI。
• 定义PRAS之间的 o-粗糙度与 p-粗糙度关系，以比较知识粒度与细化程度。
• 将粒度正区域 gPOS_R(Q) 定义为知识依赖性的度量，通过 R 下 Q-粒度的下近似来定义。
• 应用确定性对象的格理论与公理化粒度理论，形式化PRAS中的粒度知识及其局限性。

实验结果

研究问题

• RQ1 如何在原始传递近似空间（PRAS）中，利用确定性对象系统地表示粗糙对象？
• RQ2 粒度在解决粗糙集理论中知识表示的污染问题方面发挥什么作用？
• RQ3 广义知识解释（KI）如何在不同语义领域中扩展经典KI？
• RQ4 关键点（下界与上界）在Meta-RC中如何促进知识表示，以及它们与粗糙计数的关系是什么？
• RQ5 在何种条件下，形式为 ]a, b[ 的区间可表示PRAS中的有效粗糙对象，这与经典RST有何不同？

主要发现

• 在PRAS中，粗糙对象可表示为满足 a ⊆ b 的确定性对象对 (a, b)，且仅当 b 覆盖 a 时，区间 ]a, b[ 才可视为粗糙对象。
• 广义知识解释（KI）被定义为一对 (I₁(S), Iₒ(S))，实现了在多个语义领域中的一致知识表示。
• 粒度正区域 gPOS_R(Q) 被正式定义为 { [x]_Q^{l_R} : x ∈ S }，提供了粒度之间知识依赖性的度量。
• 原始传递性确保 τ(R) 为等价关系，从而为PRAS中的知识解释提供了稳定基础。
• 经典KI中的污染问题通过区分语义领域（Meta-C、Meta-R、Meta-RC）得以解决，其中Meta-RC支持关键点的感知。
• 本文表明，经典KI与粒度KI在本质上不同，粒度KI需要如Meta-RC等更丰富的语义结构，才能实现完全一致性。