来源：期刊VIP网 时间：
作者：张泽亭;李磊军;米据生;李美争;
单位：河北师范大学数学科学学院;河北省计算数学与应用重点实验室;河北师范大学计算机与网络空间安全学院;
摘要：信息系统中的粒结构经常随着时间的推移而动态发展，动态获取潜在的有用知识对决策具有重要意义。增量学习便是其中一种有效的方式，它能够结合当前信息与先前的知识来研究这类问题，尽管增量学习在众多方面取得了成功，但在多粒度模糊环境下进行的研究较少。为解决这个问题，首先用一个矩阵算子来表示乐观和悲观多粒度粗糙模糊集的上下近似。然后，在属性增加或减少时，基于矩阵引入了上下近似的更新机制，设计了相应的动态更新算法。最后，分析了算法的时间复杂度，在UCI数据集中验证了提出的动态更新算法的有效性。
关键词：多粒度粗糙模糊集;;矩阵;;动态更新;;上下近似;;增量学习
基金资助：国家自然科学基金（61502144,62476078）;; 河北省自然科学基金重点基金（F2023205006）;; 河北师范大学重点发展基金（L2024ZD06）
