Resumen

La computación multigranulación, que encarna adecuadamente el modelo de inteligencia humana en el proceso de resolución de problemas complejos, tiene como objetivo descomponer el problema complejo en muchos subproblemas en diferentes espacios de granularidad, y luego los subproblemas serán resueltos y sintetizados para obtener la solución del problema original. En este trabajo, se establece una clasificación binaria eficiente de algoritmo de búsqueda multigranulación que tiene una expectativa óptima-matemática de los tiempos de clasificación para clasificar los objetos de todo el dominio. Y puede resolver los problemas de clasificación binaria basados tanto en el mecanismo de cálculo de multigranulación como en el principio estadístico de probabilidad, como el caso del análisis de sangre. Dado el clasificador binario, la proporción de muestras negativas y el número total de objetos del dominio, este modelo puede buscar la expectativa matemática mínima de tiempos de clasificación y los espacios de granularidad de clasificación óptimos para extraer todas las muestras negativas. Y los resultados experimentales demuestran que, con los gránulos divididos en muchos subgránulos, la eficiencia del método propuesto aumenta gradualmente y tiende a ser estable. Además, la complejidad para resolver el problema es extremadamente reducida.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Computación multigranulación; clasificación binaria; algoritmo de búsqueda multigranulación; tiempos de clasificación; espacios de granularidad de clasificación; muestras negativas.
• Keywords:Multigranulation computing; binary classification; multigranulation searching algorithm; classification times; classification granularity spaces; negative samples