[论文解读] Approximation of Classification and Measures of Uncertainty in Rough Set on Two Universal Sets

B. K. Tripathy, D. P. Acharjya|arXiv (Cornell University)|Jan 25, 2013

Rough Sets and Fuzzy Logic参考文献 25被引用 16

一句话总结

本文提出了一种框架，用于在通过二元关系扩展至两个全集的粗糙集理论中，近似分类并度量不确定性。通过利用不同全集之间的关系，该框架将传统粗糙集近似推广，并提出了新的不确定性度量，从而增强了对具有跨全集依赖关系的现实世界信息系统的建模能力。

ABSTRACT

The notion of rough set captures indiscernibility of elements in a set. But, in many real life situations, an information system establishes the relation between different universes. This gave the extension of rough set on single universal set to rough set on two universal sets. In this paper, we introduce approximation of classifications and measures of uncertainty basing upon rough set on two universal sets employing the knowledge due to binary relations.

研究动机与目标

• 将粗糙集理论从单一全集扩展至两个不同的全集，以实现对现实世界数据系统中跨全集关系的建模。
• 在基于两个全集和二元关系的粗糙集背景下，开发用于分类的近似算子。
• 提出专为双全粗集框架设计的新不确定性度量。
• 为处理多全集信息系统中不可分辨性和不确定性提供正式的数学基础。

提出的方法

• 利用二元关系，基于一个全集的知识定义另一个全集内集合的下近似和上近似。
• 提出一种基于两个全集及其之间二元关系的广义近似空间。
• 在双全集设定下，利用下近似和上近似定义准确度、一致性等不确定性度量。
• 应用集合运算和关系代数计算近似并推导不确定性指标。
• 采用粗糙隶属度和边界区域的形式化定义，以量化分类中的不确定性。
• 通过理论分析和在具有跨全集依赖关系的信息系统中的应用验证该框架。

实验结果

研究问题

• RQ1 如何将粗糙集近似从单一全集推广至两个相互关联的全集？
• RQ2 在双全集粗糙集框架中，适当的下近似和上近似算子是什么？
• RQ3 如何在涉及两个不同全集的分类任务中量化不确定性？
• RQ4 这些不确定性度量在该扩展粗糙集模型中的关键性质和行为特征是什么？
• RQ5 使用二元关系如何改善对具有跨领域关系的现实世界信息系统的建模？

主要发现

• 所提出的框架成功将粗糙集理论扩展至处理两个全集之间的关系，从而实现了对复杂数据系统更灵活的建模。
• 通过二元关系定义了新的下近似和上近似算子，使得跨全集的分类近似成为可能。
• 不确定性度量（如准确度和一致性）已形式化推导，并表明其能反映双全集情境下知识精度的程度。
• 该模型通过关系结构捕捉全集间的依赖关系，相较于经典粗糙集表现出更强的表达能力。
• 理论分析证实，所提出的度量满足不确定性关键性质，如单调性和有界性。
• 该框架为多源数据集成、决策制定以及异构系统中的知识发现提供了坚实基础。