[论文解读] An improved axiomatic definition of information granulation

Ping Zhu|ArXiv.org|Aug 27, 2009

Rough Sets and Fuzzy Logic参考文献 5被引用 4

一句话总结

本文通过将信息粒化与多变量单调函数相联系，提出了一种改进的公理化定义，提供了一种通用的构造方法。它表明，现有关键的粒化度量方法（如[2, 6, 7, 9, 10]中的方法）均为该框架的特例，从而增强了数学严谨性，并统一了先前的各种方法。

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.

研究动机与目标

• 解决先前信息粒化公理化定义在形式与数学上的不足之处。
• 在单一、稳健的公理化框架下统一文献中多样化的信息粒化度量方法。
• 基于多变量单调函数，建立一种通用的信息粒化构造方法。
• 确保已知的粒化度量满足新的公理化定义，从而验证其普遍性与适用性。

提出的方法

• 定义一个映射 α(P)，将每个属性子集 P ⊆ A 关联到宇宙中所有对象的容差类大小向量。
• 引入一个函数 f: ℝⁿ → ℝ，该函数关于类大小向量的分量序偏序关系是单调的。
• 构造粒化度量 G_f(P) = f(βα(P)) + c，其中 βα(P) 对类大小向量进行排序，c ≥ −min(f) 以确保非负性。
• 证明任何此类 G_f 均满足三个公理：非负性、在属性集等价性下的不变性，以及在细化下的单调性。
• 通过证明现有粒化方法（例如[2, 6, 7, 9, 10]中的方法）作为特定 f 和 c 下 G_f 的特例出现，证明该构造的普遍性。
• 采用逆向构造：给定一个粒化度量 G，通过 g、ˆg 和 π 定义 f_G，以恢复 f，使得 f∘βα = G。

实验结果

研究问题

• RQ1 能否发展一种更具数学严谨性的信息粒化公理化定义，以纠正先前表述中的缺陷？
• RQ2 如何建立一种通用的构造方法，以生成所有已知的信息粒化度量？
• RQ3 文献中著名的粒化度量方法（如[2, 6, 7, 9, 10]中的方法）是否满足新的公理化定义？
• RQ4 在多变量向量上，哪类函数可以生成所有有效的信息粒化度量？
• RQ5 是否存在单调函数 f 与信息粒化度量 G_f 之间的一一对应关系？

主要发现

• 改进的公理化定义满足非负性、在等价属性集下的不变性，以及在细化下的单调性，纠正了先前形式上的缺陷。
• 对于任意信息系统，构造式 G_f(P) = f(βα(P)) + c 在单调函数 f 且 c ≥ −min(f) 条件下，均能生成有效的信息粒化度量。
• 文献[2]中的粒化度量被恢复为 G_f(P) = (1/n²)∑|S_P(xi)|，其中 f(r) = (1/n²)∑r_i 且 c=0。
• 文献[9]中的组合粒化度量通过 f(r) = (1/n)∑r_i(r_i−1)/(n(n−1)) 与 c=0 得到。
• 文献[7]中的粗糙熵通过 f(r) = (1/n)∑log₂r_i 与 c=0 实现，表明其与现有基于熵的度量具有一致性。
• 该框架在单一通用构造下统一了多种粒化度量，证明了它们与改进公理化定义的兼容性。