粗糙与模糊与粒度计算

Question

在我的计算智能课上，我正在对短文进行分类。我发现的其中一篇论文充分利用了粒度计算，但我很难找到确切的解释。

从我可以从论文中收集到的信息来看，我觉得颗粒计算与模糊集非常相似。那么，到底有什么区别。我也在询问粗糙集，因为我对它们以及它们与模糊集的关系很好奇。如果有的话。

编辑：这里是我参考的论文。

Answer 1

“粒度”是指被分析变量的分辨率。如果你在分析人的身高，你可以使用一些可能的值，比如“高于平均值，平均值，低于平均值”，或者细粒度变量，有很多或无限个值，例如整数值或实数值。

如果替代值之间的区别不明确，则度量是“模糊的”。在高度的过程变量中，“清晰”度量意味着任何给定的个体只能被分配一个值--例如，一个高大的人要么是“高于平均”，要么是“平均”。相反，“模糊”度量允许每个值的隶属度，“成员”的值从0到1.0。因此，一个高大的人可能是"0.5以上平均“，"0.5平均”，"0.0以下-平均“。

最后，当给出两个值时，度量是“粗糙”的:上界和下界作为“脆”测度的估计值。在我们的例子中，一个高个子的人，粗略的度量将是{上=高于平均，下=平均}。

您可能会问，为什么要使用粒度、模糊或粗糙的度量？为什么不用精确的实数来衡量每件事呢？因为许多真实世界的现象没有一个好的，可靠的内在测量和测量过程，从而产生一个实数。如果你要求已婚夫妇将他们的婚姻质量评分从1到10，或者从1到10，他们可能会给你一个数字(或数字的范围)，但这些报告有多可靠？在您的分析中，使用过程粒度度量(例如“愉快”、“中性/混合”、“不快乐”)、模糊度量或粗糙度量可能更可靠、更可信。一般来说，使用粗糙/粗糙的度量比使用精确/细粒度的度量好得多。