邻域互补信息度量及其启发式属性约简

信息熵体系是进行不确定刻画与近似推理的重要理论,已经被引入粗糙集进行数据分析与智能处理。经典的互补熵、互补条件熵和互补互信息能够刻画粗糙性与模糊性,该信息体系的拓展具有应用意义。本文基于邻域粗糙集,扩张构建邻域互补信息度量并研究其启发式属性约简。通过解析式模拟与信息粒替换,定义邻域互补熵、邻域互补条件熵和邻域互补互信息,得到系统方程、双界刻画和粒化非单调性;基于邻域互补互信息,提出非单调属性约简并设计启发式约简算法;采用决策表实例与UCI数据实验有效验证性质与算法。基于邻域扩张,相关信息度量与属性约简具有应用前景。     

粗糙数项级数及其粗糙收敛性质

基于粗糙Cauchy数列,研究粗糙数项级数及其粗糙收敛性质。定义粗糙数项级数的粗糙敛散性,确立粗糙和的离散度量唯一性与连续实值不唯一性,得到数项级数的粗糙收敛与精确收敛的转化关系与性质差异。相关研究推进粗糙数列到粗糙数项级数。