局部加权邻域多粒度粗糙集

为处理粒度质量不均衡型数据，加权多粒度粗糙集及加权平均多粒度决策粗糙集被先后提出，其拓宽了多粒度粗糙集的应用范围。然而，随着数据规模剧增，传统模型已无法满足实际需求。利用矩阵算法计算近似算子有利于提高计算效率，但其空间复杂度相对较高。为此，本文提出局部加权邻域多粒度粗糙集模型，将局部粗糙集模型与矩阵理论相结合以降低矩阵算法的时间和空间复杂度。首先，给出局部加权邻域多粒度粗糙集模型的定义和性质；随后，设计出计算近似算子的矩阵算法。最后，通过实验在6个UCI数据集中验证局部算法比全局算法具有更高的时间效率。