7、不完整数据的序数分类规则归纳及区间值模糊粗糙集模型应用

不完整数据的序数分类规则归纳及区间值模糊粗糙集模型应用

序数分类规则的归纳与应用

在可变一致性优势关系粗糙集方法（VC - DRSA）中，决策规则是从下近似中归纳得出的。为实现这一目标，对VC - DomLEM算法进行了两方面的改进。
- 规则一致性度量 ：引入成本型规则一致性度量$\tilde{\epsilon}_X : R_X \to [0, 1]$，其中$R_X$是建议分配到集合$X$的规则集。对于规则$r_X \in R_X$，其条件部分记为$\Phi(r_X)$，被该规则覆盖的对象集记为$|\Phi(r_X)|$，则$\tilde{\epsilon}_X$的定义为：
$\tilde{\epsilon}_X(r_X) = \frac{||\Phi(r_X)| \cap \neg X|}{|\neg X|}$
每个规则$r_X$都需满足与集合$X$中的对象相同的一致性约束，即$\tilde{\epsilon}_X(r_X) \leq \theta_X$，且$\tilde{\epsilon}_X$从$\epsilon_X$继承了单调性。
- 处理缺失值 ：在基本条件的上下文中处理缺失值时，对于每个属性$q_i \in P$，仅使用非缺失值来创建基本条件。并且，关于$q_i$的任何基本条件都覆盖每个满足$q_i(y) = *$的对象$y \in U$。

值得注意的是，这种对VC - DomLEM算法的改进并未降低其效率，因为$\tilde{\epsilon}_X$具有单调性，可用于减少为每个属性创建基本条件的搜索空间。

归纳出的规则可应用于新的对象集。在这种情况下