A STUDY ON ROUGH GRAPHS

doi:10.5206/mase/23201

A STUDY ON ROUGH GRAPHS

2026-03-01

0

PRE

AI

DOI：10.5206/mase/23201

原文链接

原文求助

摘要

En 中文

粗糙图已作为建模图结构数据中不精确和不完整信息的重要数学工具出现。通过利用粗糙集理论，这些结构通过构建下近似和上近似来管理不确定性，为分析模糊或歧义的图网络提供了稳健的框架。尽管关于粗糙图的文献日益增多，但其一致且全面的数学基础仍不明确。本文批判性地回顾了现有的基于划分的方法，并识别了其基础定义中持续存在的结构不一致性，例如生成无效子图和悬挂边等问题。为弥补这些不足，我们提出了一种统一且拓扑一致的框架。受粗糙关系理论的启发，我们将基于顶点的粗糙图推广到顶点集由覆盖而非严格划分来粒化的场景中。此外，我们引入了三种基于边的粗糙图类型，这些类型源自边集的覆盖，并证明我们的方法在本质上保留了子图的合法性。综合这两种视角，我们提出了混合粗糙图模型，为顶点和边域建立了全面的多元粒化环境。最后，我们通过在社会网络分析和蛋白质-蛋白质相互作用（PPI）网络中的应用，展示了所提出模型的实际效用，突显了它们在隔离核心社区和识别边界节点方面的有效性。

Keyword:

Rough set theory

rough graphs

graph covering

approximation operators

rough relations

A STUDY ON ROUGH GRAPHS

摘要

期刊

机构

引用论文