对象集变化下的粗糙模糊集逼近的增量维护

由于信息系统的变化，粗糙集理论中的上下近似将随时间动态变化。 粗糙集理论及其扩展中用于更新逼近的增量方法最近受到了广泛的关注。 现有的大多数增量方法在处理决策属性为模糊的模糊决策系统时都有困难。 本文介绍了一种在模糊决策系统中根据对象集的变化来更新粗糙模糊集的逼近的增量算法。 在对来自UCI的6个数据集进行的实验中，对用于更新近似值的增量方法和非增量方法进行了比较。 实验结果表明，该增量方法有效地减少了计算时间。