一種可變直覺模糊多粒度粗糙集模型

　　為了在多粒度粗糙集模型中對目標(biāo)概念達(dá)到更好的近似逼近效果，首先將直覺模糊粗糙集與多粒度粗糙集結(jié)合，提出直覺模糊多粒度粗糙集模型。由于該模型的目標(biāo)近似存在過于寬松的缺陷，因此通過引入參數(shù)的方式對所提模型進(jìn)行改進(jìn)，提出一種可變直覺模糊多粒度粗糙集模型，并證明了該模型的有效性，同時基于該模型提出了相應(yīng)的近似分布約簡算法。在仿真實驗結(jié)果中，所提出的下近似分布約簡結(jié)果比已提出的模糊多粒度決策理論粗糙集約簡和多粒度雙量化決策理論粗糙集多了2~4個屬性，所提出的上近似分布約簡算法比這些算法少了1~5個屬性，同時約簡結(jié)果的近似精度擁有了更為合理且優(yōu)越的表現(xiàn)。因此，理論和實驗結(jié)果均驗證了所提的可變直覺模糊多粒度粗糙集模型在近似逼近和數(shù)據(jù)降維方面均具有更高的優(yōu)越性。