基于 Choquet 积分的模糊粗糙集
机器学习
2024-03-19 v1 人工智能
摘要
模糊粗糙集理论可用作处理对象间存在渐进不可分辨性概念时不一致数据的工具。其通过提供概念的下近似与上近似来实现。在经典模糊粗糙集中，下近似与上近似分别由最小值与最大值算子确定。这对于机器学习应用是不利的，因为它使这些近似对离群样本敏感。为缓解该问题，引入了基于有序加权平均(OWA)的模糊粗糙集。本文中，我们展示了如何基于模糊量化直观解释 OWA 方法，并将其推广为基于 Choquet 积分的模糊粗糙集(CFRS)。该推广保持了诸如对偶性与单调性的良好理论性质。此外，它为机器学习应用提供了更大灵活性。特别地，我们表明其可实现离群检测算法的无缝集成，以增强基于模糊粗糙集的机器学习算法的鲁棒性。
引用
@article{arxiv.2202.10872,
title = {Choquet-Based Fuzzy Rough Sets},
author = {Adnan Theerens and Oliver Urs Lenz and Chris Cornelis},
journal= {arXiv preprint arXiv:2202.10872},
year = {2024}
}