多决策的多粒度标记系统的最优粒度选择

doi:10.3969/j.issn.1674-8425(z).2020.05.035

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (5): 263-270.doi: 10.3969/j.issn.1674-8425(z).2020.05.035

• 数学·统计学 • 上一篇

多决策的多粒度标记系统的最优粒度选择

刘凤玲1a,2,林国平1a,1b,2,余晓龙1b

1.闽南师范大学 a.数学与统计学院;b.粒计算重点实验室,福建漳州 363000;2.数字福建气象大数据研究所,福建漳州 363000

发布日期:2020-06-13
作者简介:刘凤玲，女，硕士，主要从事粗糙集方面研究，Ｅ-ｍａｉｌ：ｆｅｎｇｌｉｎｇ＿ｌｉｕ２０１８＠１６３．ｃｏｍ；通讯作者林国平，女，博士，教授，主要从事粗糙集理论、粒计算、人工智能及机器学习方面的研究，Ｅ-ｍａｉｌ：ｇｕｏｐｌｉｎ＠１６３．ｃｏｍ。
基金资助:
国家自然科学基金项目(61603173,11871289,61379021,11701258);福建省高校新世纪优秀人才支持计划项目;浙江省海洋大数据挖掘与应用重点实验室开放课题项目(OBDMA201603);福建省自然科学基金项目(2019J01748)

Published:2020-06-13

摘要/Abstract

摘要： 目前查看到的关于多粒度标记信息系统的研究仅是基于单决策情况，较少有关于多决策的研究，而在实际生活中处理的数据表常带有多决策。针对该情况，首先给出了多决策的多粒度标记信息系统的概念，并定义了适用于该系统下的广义决策函数；然后，利用广义决策函数探讨协调、不协调两种信息系统的最优粒度选择策略，并根据两者之间的联系给出了同时适用于协调与不协调两种信息系统选择最优粒度的策略；最后，给出了相应的例子帮助说明所提出的方法的可行性。

关键词: 多决策, 多粒度标记, 广义决策函数, 最优粒度

中图分类号:

TP18

刘凤玲1a,2,林国平1a,1b,2,余晓龙1b. 多决策的多粒度标记系统的最优粒度选择[J]. 重庆理工大学学报（自然科学）, 2020, 34(5): 263-270.

[1]	雍龙泉１，赵有丽２. 基于正弦余弦算法的口服给药血药浓度仿真研究[J]. 重庆理工大学学报（自然科学）, 2020, 34(3): 244-248.
[2]	毛尚伟１, ２, 张志清３, 汤槟１, ２, 郑成坤１, ２, 翟波１, ２, 符云清３. 基于Ｔｒａｎｓｆｅｒ-ｃｒｆ神经网络的电子表格智能识别算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(10): 155-160.
[3]	蒋丽丽, 陈国彬. 基于 MFO-ELM 的荷电状态软测量模型[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 185-189.
[4]	. 一种动态压缩因子的分数阶粒子群优化[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 94-101.
[5]	. 基于混合采样策略的改进随机森林不平衡数据分类算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 113-123.
[6]	. 基于亮度与色度信息的深度学习图像风格迁移算法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 145-151,159.
[7]	. 深度学习下大学生资助管理模式创新研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 167-171.
[8]	. 基于校园大数据的学生行为特征分析与预测方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 201-206.
[9]	. 一类非线性多智能体系统指定性能容错控制[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 103-111.
[10]	. 基于关联规则的协同过滤改进算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(3): 161-168.
[11]	. 基于汉明距离与免疫思想的粒子群算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 122-127.
[12]	. 基于深度信念网络的空压机故障监测研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(5): 142-147.
[13]	邓国红，张熏，宋红松，谢川人. 协同自适应巡航控制系统跟车算法设计[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 32-37.
[14]	姚洁，孟小璐. 运用改进型ＬＤＡ算法的电商微博热点话题研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 184-188.
[15]	张扬，朱志宇. 改进ＰＳＯ算法优化ＬＳＳＶＭ的柴油机排气预测[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 103-110.

多决策的多粒度标记系统的最优粒度选择

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 6