Roughness and entropy measures of a soft set

Technische Samenvatting: Ruwheid en Entropiemaatstaven van een Zachte Set

Probleemstelling
Het artikel behandelt de beperkingen van bestaande hybride modellen die zachte set-theorie en ruwe set-theorie combineren. Hoewel ruwe set-theorie (Pawlak) onzekerheid effectief verwerkt via benaderingsruimten en ononderscheidbaarheidsrelaties, heeft het moeite in scenario's met overlappende objecten, zoals bij patroonherkenning en beeldverwerking. Specifiek kunnen de klassieke ruwe set-definities van onder- en bovenbenaderingen de grenzen van twee overlappende objecten niet duidelijk onderscheiden. Bovendien wijken eerdere pogingen om zachte sets te integreren met ruwe sets (bijvoorbeeld door Feng et al., Ali, Shabir et al.) vaak af van de fundamentele wiskundige en filosofische principes die door Molodtsov voor zachte set-theorie zijn vastgesteld. Deze afwijkingen omvatten het onjuiste gebruik van zachte deelsets en operaties die niet overeenkomen met Molodtsovs oorspronkelijke definities, met name wat betreft de behandeling van attributensets en het niet-bestaan van "zachte deelsets" in de traditionele zin. Bijgevolg ontbreekt er een rigoureus theoretisch kader voor het definiëren van ruwheids- en entropiemaatstaven voor zachte sets dat strikt adhereert aan Molodtsovs axioma's en tegelijkertijd effectief overlappende benaderingen verwerkt.

Methodologie
De auteurs ontwikkelen een nieuw kader voor "zachte ruwe sets" door strikt adhereert aan Molodtsovs fundamentele principes. De methodologie omvat:

1. Hedefiniëren van Benaderingen: In plaats van direct deelsets van de universele set te gebruiken, definiëren de auteurs onder- en bovenzachte benaderingen op basis van de associatie van attributen met benaderende deelsets.

   • Onderzachte Benadering ($L(S, A)$): Gedefinieerd als de verzameling paren $(a_i, \cup B_j)$ waarbij $B_j$ equivalentieklassen zijn die binnen de attributendeelset $S(a_i)$ zijn opgenomen.
   • Bovenzachte Benadering ($U(S, A)$): Gedefinieerd als de verzameling paren $(a_i, \cup C_k)$ waarbij $C_k$ equivalentieklassen zijn die een niet-lege doorsnede hebben met $S(a_i)$.
   • Grens: De grens wordt gedefinieerd als het verschil tussen de boven- en onderzachte benadering voor elk attribuut.

2. Ruwheidsmaatstaven: Er worden twee verschillende ruwheidsmaatstaven geïntroduceerd:

   • Pawlak-stijl ($\theta^P_R$): Gebaseerd op de verhouding van de kardinaliteit van de onderbenadering tot de bovenbenadering, aangepast voor de som over alle attributen.
   • Yao-geïnspireerd ($\theta^Y_R$): Een nieuwe maatstaf ontworpen om te voldoen aan een specifieke reeks axioma's voor nauwkeurigheid (inclusief voorwaarden voor exacte sets, lege sets en monotonie ten opzichte van granulatie). Deze maatstaf integreert zowel de onderbenadering als de bovenbenadering van het complement om symmetrie tussen een object en zijn achtergrond te waarborgen.

3. Entropiemaatstaven: Er worden zes entropiemaatstaven voorgesteld om de onvolledigheid van kennis geassocieerd met een zachte set te kwantificeren:

   • Drie logaritmische maatstaven (gebaseerd op Shannons entropie): Twee gebaseerd op de Pawlak-ruwheidsmaatstaf (betreffende het object en zijn complement) en één gebaseerd op de Yao-geïnspireerde ruwheidsmaatstaf.
   • Drie exponentiële maatstaven: Twee gebaseerd op de Pawlak-ruwheid en één gebaseerd op de Yao-geïnspireerde ruwheid.
   • Deze maatstaven worden geanalyseerd op eigenschappen zoals maximale waarde, continuïteit, symmetrie en convexiteit.

4. Theoretische Analyse: Het artikel bewijst rigoureus eigenschappen met betrekking tot interne en externe benaderingen, het gedrag van deze maatstaven onder verschillende equivalentierelaties (granulariteit) en de relatie tussen de voorgestelde maatstaven en hun complementen.

Belangrijkste Bijdragen

• Nieuw Ruwheidskader: Het artikel introduceert een concept van zachte ruwe sets dat Molodtsovs oorspronkelijke definities behoudt, specifiek door het concept van "zachte deelsets" te vermijden en interne/externe benaderingen correct toe te passen. Dit maakt een distincte definitie van onder- en bovenbenaderingen mogelijk, zelfs wanneer objecten overlappen.
• Twee Ruwheidsmaatstaven: Het voorstellen van een Pawlak-stijl maatstaf en een nieuwe Yao-geïnspireerde maatstaf die voldoet aan specifieke axiomatische vereisten, waardoor een robuustere manier wordt geboden om nauwkeurigheid in zachte sets te beoordelen.
• Zes Entropiemaatstaven: De systematische definitie en analyse van zes entropiemaatstaven (drie logaritmisch, drie exponentieel) afgeleid van de voorgestelde ruwheidsmaatstaven.
• Axiomatische Validatie: Het aantonen dat de voorgestelde Yao-geïnspireerde nauwkeurigheidsmaatstaf voldoet aan een reeks axioma's waar de Pawlak-stijl maatstaf niet aan voldoet, met name wat betreft de symmetrie tussen een set en zijn complement.
• Vergelijkende Analyse: Een gedetailleerde vergelijking die aantoont dat het voorgestelde kader het probleem van overlappende regio's oplost dat de klassieke ruwe set-theorie niet aankan, zoals geïllustreerd door theoretische voorbeelden en visuele representaties.

Resultaten

• Theoretische Eigenschappen: De auteurs bewijzen dat als één zachte set een andere intern benadert, hun onder- en bovenzachte benaderingen deze relatie behouden. Omgekeerd geldt voor externe benaderingen dat de relatie geldt voor onderbenaderingen, maar niet noodzakelijk voor bovenbenaderingen.
• Impact van Granulariteit: De studie bevestigt dat naarmate de granulariteit van de universele set fijner wordt (equivalentieklassen kleiner worden), de nauwkeurigheid van de zachte set toeneemt en de ruwheid afneemt.
• Entropie-gedrag:
  • De logaritmische entropiemaatstaven blijken concaaf en continu te zijn.
  • De exponentiële entropiemaatstaven vertonen specifieke monotoon gedrag afhankelijk van de parameter $\beta$.
  • De maatstaf Ent^1_P_e (Pawlak-gebaseerd, twee variabelen) is computationeel efficiënt maar mist axiomatische consistentie met betrekking tot het complement.
  • De maatstaf Ent^3_P_e (Yao-gebaseerd, één variabele) wordt geïdentificeerd als theoretisch consistenter en geschikt voor algemeen doel modeling, met name bij gelijktijdige analyse van objecten en achtergronden.
• Omgaan met Overlappingen: De voorgestelde definities onderscheiden succesvol de grenzen van overlappende regio's (bijvoorbeeld rode, blauwe en groene regio's in een afbeelding) door ze te behandelen als distincte attributengebaseerde benaderingen, een prestatie die niet mogelijk is met standaard Pawlak-benaderingen.

Betekenis
Het artikel stelt dat de primaire betekenis ligt in het bieden van een wiskundig onderbouwd en filosofisch consistent kader voor het analyseren van onzekerheid in zachte sets, specifiek door de beperkingen van bestaande hybride modellen aan te pakken. Door strikt Molodtsovs principes te behouden, biedt het voorgestelde kader een nieuwe aanpak voor ruwheidskarakterisering die onderscheidend is van de klassieke ruwe set-theorie.

De auteurs benadrukken dat dit kader bijzonder waardevol is voor toepassingen met overlappende objecten, zoals patroonherkenning, beeldverwerking en AI-vision. Zij suggereren dat het vermogen om onder- en bovenbenaderingen voor overlappende regio's distinct te definiëren, de methodologie een potentieel complementair hulpmiddel maakt voor ruwe set-theorie in complexe domeinen zoals ruimteverkenning (bijvoorbeeld het analyseren van oppervlakken van exoplaneten). Het artikel concludeert dat hoewel geen enkele entropiemaatstaf universeel optimaal is, de voorgestelde familie van maatstaven een flexibel toolkit biedt voor onzekerheidskwantificering, waarbij de keuze van de maatstaf afhangt van de specifieke eisen van de toepassing en de behoefte aan axiomatische consistentie versus computationele eenvoud.