Roughness and entropy measures of a soft set

기술적 요약: 소프트 집합의 거칠기와 엔트로피 측정

문제 제기
본 논문은 소프트 집합 이론과 거친 집합 이론을 결합한 기존 하이브리드 모델의 한계를 다룬다. 거친 집합 이론 (Pawlak) 은 근사 공간과 구별 불가능 관계를 통해 불확실성을 효과적으로 처리하지만, 패턴 인식 및 이미지 처리와 같이 중첩되는 객체가 관련된 시나리오에서는 어려움을 겪는다. 구체적으로, 고전적인 거친 집합의 하부 및 상부 근사 정의는 두 개의 중첩된 객체 사이의 경계를 명확히 구분할 수 없다. 또한, 소프트 집합과 거친 집합을 통합하려는 이전 시도들 (예: Feng 등, Ali, Shabir 등) 은 종종 Molodtsov 가 정립한 소프트 집합 이론의 기초적인 수학적 및 철학적 원칙에서 벗어났다. 이러한 편차에는 Molodtsov 의 원래 정의와 일치하지 않는 소프트 부분집합 및 연산의 오용이 포함되며, 특히 속성 집합의 처리와 전통적인 의미의 "소프트 부분집합"의 부재와 관련하여 두드러진다. 결과적으로, Molodtsov 의 공리를 엄격히 준수하면서도 중첩된 근사를 효과적으로 처리할 수 있는 소프트 집합에 대한 거칠기와 엔트로피 측정을 정의하기 위한 엄밀한 이론적 프레임워크가 부재하다.

방법론
저자들은 Molodtsov 의 기초 원칙을 엄격히 준수하여 "소프트 거친 집합"을 위한 새로운 프레임워크를 개발한다. 방법론은 다음과 같다:

1. 근사 재정의: 전체 집합의 부분집합을 직접 사용하는 대신, 저자들은 속성과 근사 부분집합 간의 연관성을 기반으로 하부 및 상부 소프트 근사를 정의한다.

   • 하부 소프트 근사 ($L(S, A)$): 속성 부분집합 $S(a_i)$ 내에 포함된 동치 클래스 $B_j$들의 쌍 $(a_i, \cup B_j)$의 집합으로 정의된다.
   • 상부 소프트 근사 ($U(S, A)$): $S(a_i)$와 비어 있지 않은 교집합을 갖는 동치 클래스 $C_k$들의 쌍 $(a_i, \cup C_k)$의 집합으로 정의된다.
   • 경계: 각 속성에 대한 상부 및 하부 소프트 근사 간의 차이로 정의된다.

2. 거칠기 측정: 두 가지 구별되는 거칠기 측정이 도입된다:

   • Pawlak 스타일 ($\theta^P_R$): 모든 속성에 대한 합에 적용되도록 조정된 하부 근사의 카디널리티와 상부 근사의 카디널리티 비율에 기반한다.
   • Yao 에서 영감을 받은 ($\theta^Y_R$): 정확도에 대한 일련의 공리 (정확 집합, 공집합, 그리고 입자화에 대한 단조성 조건 포함) 를 만족하도록 설계된 새로운 측정치이다. 이 측정치는 객체와 그 배경 간의 대칭성을 보장하기 위해 하부 근사와 여집합의 상부 근사를 모두 포함한다.

3. 엔트로피 측정: 소프트 집합과 관련된 지식의 불완전성을 정량화하기 위해 여섯 가지 엔트로피 측정이 제안된다:

   • 세 가지 로그 측정 (Shannon 의 엔트로피 기반): 두 가지는 Pawlak 거칠기 측정 (객체와 그 여집합 포함) 에 기반하고, 하나는 Yao 에서 영감을 받은 거칠기 측정 기반이다.
   • 세 가지 지수 측정: 두 가지는 Pawlak 거칠기 기반이고, 하나는 Yao 에서 영감을 받은 거칠기 기반이다.
   • 이러한 측정들은 최대값, 연속성, 대칭성, 그리고 오목성과 같은 속성들에 대해 분석된다.

4. 이론적 분석: 논문은 내부 및 외부 근사에 관한 속성, 입자화 (동치 관계) 하에서 이러한 측정들의 거동, 그리고 제안된 측정들과 그 여집합 간의 관계를 엄밀하게 증명한다.

주요 기여

• 새로운 거칠기 프레임워크: 논문은 "소프트 부분집합" 개념을 피하고 내부/외부 근사를 올바르게 활용하여 Molodtsov 의 원래 정의를 보존하는 소프트 거친 집합 개념을 도입한다. 이를 통해 객체가 중첩되더라도 하부 및 상부 근사를 구별하여 정의할 수 있게 된다.
• 두 가지 거칠기 측정: 특정 공리적 요구 사항을 만족하는 Pawlak 스타일 측정과 새로운 Yao 에서 영감을 받은 측정의 제안으로, 소프트 집합에서 정확도를 평가하는 더 견고한 방법을 제공한다.
• 여섯 가지 엔트로피 측정: 제안된 거칠기 측정에서 유도된 여섯 가지 엔트로피 측정 (세 가지 로그, 세 가지 지수) 의 체계적인 정의 및 분석.
• 공리적 검증: 제안된 Yao 에서 영감을 받은 정확도 측정치가 Pawlak 스타일 측정치가 충족하지 않는 일련의 공리, 특히 집합과 그 여집합 간의 대칭성과 관련하여 공리를 만족함을 입증한다.
• 비교 분석: 이론적 예시 및 시각적 표현을 통해 제시된 프레임워크가 고전적인 거친 집합 이론이 처리할 수 없는 중첩 영역의 문제를 해결함을 보여주는 상세한 비교.

결과

• 이론적 속성: 저자들은 한 소프트 집합이 다른 것을 내부적으로 근사하면, 그들의 하부 및 상부 소프트 근사가 이 관계를 유지함을 증명한다. 반면, 외부 근사의 경우 하부 근사에 대해서는 관계가 성립하지만 상부 근사에 대해서는 반드시 성립하지는 않는다.
• 입자화 영향: 연구는 전체 집합의 입자화가 더 세밀해짐 (동치 클래스가 작아짐) 에 따라 소프트 집합의 정확도가 증가하고 거칠기는 감소함을 확인한다.
• 엔트로피 거동:
  • 로그 엔트로피 측정들은 오목하고 연속임이 밝혀졌다.
  • 지수 엔트로피 측정들은 매개변수 $\beta$에 의존하는 특정 단조 거동을 보인다.
  • 측정치 Ent^1_P_e (Pawlak 기반, 이변수) 는 계산 효율성이 높지만 여집합과 관련된 공리적 일관성이 부족하다.
  • 측정치 Ent^3_P_e (Yao 기반, 단변수) 는 이론적으로 더 일관성이 있으며, 특히 객체와 배경을 동시에 분석할 때 범용 모델링에 적합하다고 판단된다.
• 중첩 처리: 제안된 정의들은 표준 Pawlak 근사로는 불가능했던 중첩 영역 (예: 이미지 내의 빨강, 파랑, 초록 영역) 의 경계를 속성 기반 근사로 구분함으로써 성공적으로 처리한다.

의의
본 논문은 기존 하이브리드 모델의 한계를 특히 해결하여 소프트 집합 내 불확실성을 분석하기 위한 수학적으로 건전하고 철학적으로 일관된 프레임워크를 제공한다는 점을 주요 의의로 주장한다. Molodtsov 의 원칙을 엄격히 보존함으로써, 제안된 프레임워크는 고전적인 거친 집합 이론과 구별되는 거칠기 특성화에 대한 새로운 접근법을 제공한다.

저자들은 이 프레임워크가 패턴 인식, 이미지 처리, AI 비전과 같이 중첩되는 객체가 관련된 응용 분야에서 특히 가치 있음을 강조한다. 그들은 중첩 영역에 대해 하부 및 상부 근사를 구별하여 정의할 수 있는 능력이 우주 탐사 (예: 외계 행성 표면 분석) 와 같은 복잡한 영역에서 거친 집합 이론을 보완할 수 있는 잠재적 도구로 만든다고 제안한다. 논문은 단일 엔트로피 측정치가 보편적으로 최적일 수는 없지만, 제안된 측정치 군이 유연한 불확실성 정량화 도구를 제공하며, 측정치 선택은 응용 분야의 특정 요구 사항과 공리적 일관성 대 계산적 단순성 사이의 필요성에 달려 있다고 결론지었다.