基于不相交与相邻模糊粒的多类粒度逼近
人工智能
2022-02-16 v1 机器学习
摘要
在粒计算中，模糊集可由相对于给定接近度度量尽可能接近原模糊集的粒可表示集来逼近。此类集合称为粒度逼近。本文中，我们引入不相交粒与相邻粒的概念，并考察新定义如何影响粒度逼近。首先，我们表明新概念对二分类问题十分重要，因为它们有助于保持决策区域分离（不相交粒），同时尽可能覆盖属性空间（相邻粒）。随后，我们考虑多类分类问题的粒度逼近，从而给出多类粒度逼近的定义。最后，我们展示如何高效计算 Łukasiewicz 模糊连接的多元粒度逼近。我们还提供图形说明以更好理解所引入的概念。
引用
@article{arxiv.2202.07584,
title = {Multi-class granular approximation by means of disjoint and adjacent fuzzy granules},
author = {Marko Palangetić and Chris Cornelis and Salvatore Greco and Roman Słowiński},
journal= {arXiv preprint arXiv:2202.07584},
year = {2022}
}