毛振宇 ,窦慧莉* ,宋晶晶,3 ,姜泽华 ,王平心

（1.江苏科技大学计算机学院，镇江，212003；2.江苏科技大学理学院，镇江，212003；3.数据科学与智能应用福建省高校重点实验室，漳州，363000）

作为一种常用的粒计算方法，邻域信息粒化［1-4］因其处理连续型甚至混合型数据的有效性受到广大学者的关注与青睐.事实上邻域信息粒化的核心机制就是从样本之间的距离出发，通过给定一个半径来约束样本间的相似性程度，最终确立合适的邻域关系.不难发现，该过程中指定的半径对最终的信息粒化结果有不容忽视的影响，而不恰当的半径设置往往造成负面的影响，譬如，指定半径较大时不同类别的样本极有可能落入同一邻域，从而引起邻域中信息的不精确或不一致.针对该现象，Yang et al［5］提出一种伪标记邻域信息粒化策略，参考样本在条件属性上相似性程度的前提下，进一步对生成的样本伪标记加以考虑，该策略能够在一定程度上减缓半径较大时邻域中信息的不精确或不一致问题.

然而，不同的半径会使邻域关系或伪标记邻域关系产生不同的区分能力，值得注意的是这两种区分能力的产生仅仅依赖样本间的距离以及半径的大小，而忽视了邻域信息粒内部不同样本所对应的邻域之间的结构关系［6］.鉴于此，本研究引入邻域之间的距离度量，提出一种新型的共现邻域信息粒化机制，以期能够深入挖掘邻域信息粒之间的内在关联与隐含关系；在此基础上分别给出两种类型的上下近似算子，进而实现了共现邻域粗糙集模型与伪标记共现邻域粗糙集模型；……