不完备多粒度粗糙集新模型：非对称相似关系视角

"一种新的不完备多粒度粗糙集 (2012年) - 王丽娟等" 本文是一篇自然科学领域的论文，主要探讨了不完备多粒度粗糙集理论的扩展，作者是王丽娟、杨习贝、杨静宇和吴陈，发表在2012年7月的《南京大学学报（自然科学）》第48卷第4期上。论文引入了悲观多粒度的概念到不完备粗糙集模型中，同时考虑了容差关系和非对称相似关系。 不完备粗糙集是粗糙集理论的一个重要分支，用于处理数据不完整或存在缺失值的情况。传统的粗糙集模型基于对称的相似关系，而本文提出的新模型引入了非对称相似关系，以更准确地处理那些具有缺席型未知属性值的数据。在多粒度空间中，非对称相似关系可以更好地反映数据之间的差异性，这对于理解和近似复杂系统的行为尤其有用。 悲观多粒度粗糙集模型关注的是在数据不确定性下的最坏情况分析，它提供了一个保守的决策边界。论文中，作者首先定义了容差关系下的不完备悲观多粒度粗糙集，然后进一步提出了包含非对称相似关系的乐观多粒度和悲观多粒度的不完备多粒度粗糙集模型。这两者结合，形成了一对新的不完备多粒度粗糙集模型。 通过分析这些新模型的特性，作者比较了它们与基于容差关系的传统不完备多粒度粗糙集模型的区别。结果显示，基于非对称相似关系的不完备多粒度粗糙集在近似精度上表现出更高的优势，这意味着它可以提供更精确的数据约简和决策规则。 关键词涉及到相似关系、不完备粗糙集、乐观多粒度粗糙集和悲观多粒度粗糙集，表明论文的核心内容围绕这些概念展开。论文的贡献在于丰富了粗糙集理论，特别是在处理数据不完整性时提供了更灵活和精确的工具，这在数据挖掘、知识发现以及决策支持系统等领域有着广泛的应用前景。