8、粗糙模糊集层次特征发现与2型模糊系统信息处理方法对比

粗糙模糊集层次特征发现与2型模糊系统信息处理方法对比

粗糙模糊集层次特征发现

在图像分析领域，构建特征向量有着独特的方法。我们先从粗糙模糊集的相关概念入手，来了解如何在图像分析中运用这些概念构建特征向量。

粗糙模糊集新分区分析

对于新的分区，我们有如下的等价类定义：
- (Y_{1,2}^{low} = {(Y_1^{low} \cap Y_2^{low})})
- (Y_{1,2}^{medium/low} = {(Y_1^{medium} \cap Y_2^{low}) \cup (Y_1^{low} \cap Y_2^{medium})})
- (Y_{1,2}^{medium} = {(Y_1^{high} \cap Y_2^{low}) \cup (Y_1^{medium} \cap Y_2^{medium}) \cup (Y_1^{low} \cap Y_2^{high})})
- (Y_{1,2}^{medium/high} = {(Y_1^{high} \cap Y_2^{medium}) \cup (Y_1^{medium} \cap Y_2^{high})})
- (Y_{1,2}^{high} = {(Y_1^{high} \cap Y_2^{high})})

这些等价类的组成与原等价类的组成是一致的，具体规则如下：
|条件|所属类别|
| ---- | ---- |
| (u \in U) 属于 (Y_1) 的 “low” 类且属于 (Y_2) 的 “low” 类| (Y_{1,2}) 的 “low” 类|
| (u \in U) 属于 (Y_