基于变精度上近似与程度下近似的双量化边界及其算法

近似空间中,精度与程度结合形成的双量化是一个创新课题。利用笛卡尔积进行量化信息合成,基于变精度上近似与程度下近似探讨双量化边界及其算法。首先,基于上述两个近似,自然地构建了双量化扩张粗糙集模型,定义了双量化扩张边界。接着,分析了该边界的双量化语义,得到了该边界的精确刻画与数学性质；为计算该边界,提出了近似集算法与信息粒算法,进行了算法分析与算法比较,得到了信息粒算法具有更优的算法空间复杂性的重要结论。最后,应用一个医疗实例对该边界及其算法进行了说明。该边界扩张了经典pawlak边界,并对局部不确定性进行了双量化的完备与精细刻画,这对双量化的不确定性分析与应用具有重要意义。