Resumen

La reducción de atributos es uno de los problemas más importantes en la teoría de conjuntos aproximados. Sin embargo, desde el punto de vista de la computación granular, la teoría clásica de conjuntos aproximados se basa en una sola granulación. Es necesario estudiar el tema de la reducción de atributos basada en conjuntos aproximados de multigranulaciones. Para adquirir reglas de decisión concisas de sistemas de información, este artículo investiga primero las reducciones de atributos combinando el conjunto aproximado de multigranulaciones junto con la teoría de la evidencia. Se proponen los conceptos de conjunto consistente de creencia y plausibilidad, y se abordan algunas propiedades importantes desde el punto de vista del conjunto aproximado de multigranulaciones optimista y pesimista. Además, se construye en el artículo el método de multigranulaciones de las reducciones de creencia y plausibilidad. Se demuestra que un conjunto es una reducción de creencia optimista (pesimista) si y solo si es una reducción de aproximación inferior optimista (pesimista), y un

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Reducción de atributos; Teoría de conjuntos aproximados; Computación granular; Multigranulaciones; Reglas de decisión; Teoría de la evidencia
• Keywords:Attribute reduction; Rough set theory; Granular computing; Multigranulations; Decision rules; Evidence theory