×
安，双;郭兴宇;王昌忠;郭戈;戴建华

一种软邻域粗糙集模型及其应用。 （英语） Zbl 07840243号

信息科学。 624, 185-199 (2023).
摘要：邻域粗糙集理论被广泛用于机器学习和数据挖掘中测量数据的不确定性。然而，邻域半径对基于该理论的模型和算法的有效性和鲁棒性有重要影响。为了解决这个问题，将软边缘理论引入到邻域粗糙集中，定义了一个软邻域粗集模型，该模型可以自适应地确定每个样本的合适邻域半径。该模型有效地减小了邻域半径对不确定度测量的影响。介绍了新模型的具体性质和理论分析。基于软邻域粗糙集，本文提出了一种特征选择算法和分类器。实验结果表明，所设计的算法具有可接受的性能，证实了软邻域粗糙集模型的可行性和鲁棒性。

MSC公司：

68倍 计算机科学
90倍X 运筹学、数学规划

关键词：

邻域粗糙集;软边缘;软邻域;不确定度测量;特征选择与分类
PDF格式BibTeX公司 XML格式引用
\textit{S.An}等人，《信息科学》。624185-199（2023年；Zbl 07840243）
全文： 内政部

参考文献：

[1] 安，S。；胡庆华。；佩德里茨，W。；朱，P.F。；Tsang，Eric C.C.，数据分布感知模糊粗糙集模型及其在稳健分类中的应用，IEEE Trans。赛博。，46, 12, 3073-3085 (2016)
[2] 安，S。；胡庆华。；Wang，C.Z.，基于概率粒度距离的模糊粗糙集模型，应用。软计算。，102，第107064条pp.（2021）
[3] 安，S。；Zhao，E.H。；Wang，C.Z。；郭，G。；Zhao，S.Y。；Li，P.Y.，特征选择和分类的相对模糊粗糙近似，IEEE Trans。赛博。（2021），在线发布
[4] 陈博士。；Yi，Q.W。；Ying，M。；周德兴，支持向量机软边界分类器：误差分析，J.Mach。学习。第5号决议，1143-1175（2004年）·Zbl 1222.68167号
[5] Chen，Y.M。；薛，Y。；马云（Ma，Y.）。；Xu，F.F.，邻域粗糙集的不确定性度量，Knowl-基于系统。，120, 226-235 (2017)
[6] Dash，M。；Liu，H.，特征选择中基于一致性的搜索，Artif。智力。，151, 1-2, 155-176 (2003) ·Zbl 1082.68791号
[7] Dubois，D。；Prade，H.，粗糙模糊集和模糊粗糙集，通用系统。，17, 191-209 (1990) ·Zbl 0715.04006号
[8] 胡庆华。；余博士。；Liu，J.F。；Wu，C.X.，基于邻域粗糙集的异构特征子集选择，信息科学。，178, 18, 3577-3594 (2008) ·Zbl 1154.68466号
[9] 胡庆华。；安，S。；Yu，D.R.，用于稳健特征评估和选择的软模糊粗糙集，信息科学。，180, 22, 4384-4400 (2010)
[10] 胡庆华。；张，L。；张，D。；Pedrycz，W.，基于邻域互信息测量离散和连续特征之间的相关性，专家系统。申请。，38, 10737-10750 (2011)
[11] Li，W.W。；黄志强。；贾晓云。；蔡晓云，基于邻域决策理论的粗糙集模型，国际期刊近似推理。，69, 1-17 (2016) ·Zbl 1344.68238号
[12] 林，G.P。；Qian，Y.H。；Li，J.J.，NMGRS：基于邻域的多粒度粗糙集，国际期刊近似原因。，53, 7, 1080-1093 (2012) ·Zbl 1264.68176号
[13] Liu，K.Y。；李·T·R。；杨晓波（Yang，X.B.）。；杨，X。；刘，D。；张，P.F。；Wang，J.，《颗粒小屋：大数据中邻里学习的有效解决方案》，《信息科学》。，583, 189-201 (2022)
[14] Liu，K.Y。；杨晓波（Yang，X.B.）。；Yu，H.L。；Fujita，H。；陈晓杰。；Liu，D.，监督属性约简的信息粒化策略，Int.J.Mach。学习。赛博。，11, 9, 2149-2163 (2020)
[15] 罗，S。；苗博士。；张振芳。；张义杰。；胡顺德，一个带有标称度量嵌入的邻域粗糙集模型，信息科学。，520, 373-388 (2020) ·Zbl 1457.68266号
[16] 马，L.W。；Lu，H.，邻域相关粗糙集的六集近似定理，Int.J.Approximate Reason。，115, 180-193 (2019) ·兹比尔1468.68239
[17] Matthews，B.W.，T4噬菌体溶菌酶的预测和观察二级结构的比较，Biochim。生物物理学。BBA蛋白质结构。，405, 442-451 (1975)
[18] Sun，L.公司。；张晓云。；Qian，Y.H。；徐建川。；Zhang，S.G.，使用基于邻域熵的不确定性测度进行基因表达数据分类的特征选择，信息科学。，502, 18-41 (2019) ·Zbl 1453.68186号
[19] Sun，L.公司。；Wang，L.Y。；丁，W.P。；Qian，Y.H。；Xu，J.C.，模糊邻域多粒度粗糙集基于模糊邻域熵的不确定性测度的特征选择，IEEE Trans。模糊系统。，29, 1, 19-33 (2021)
[20] Sun，L.公司。；Wang，T.X。；丁，W.P。；徐建川。；Lin，Y.J.，使用Fisher分数和多标签邻域粗糙集进行多标签分类的特征选择，57887-912（2021）
[21] 陶晓明。；Chen，W。；Li，X.K。；Zhang，X.H。；Li，Y.T。；Guo，J.，基于不平衡数据集最大软边界的密度敏感SVDD分类器集成，Knowl-基于系统。，219，第106897条pp.（2021）
[22] Wan，J.H。；Chen，H.M。；李·T·R。；袁，Z。；刘杰。；Huang，W.，通过模糊多粒度不确定性度量进行交互式和互补特征选择，IEEE Trans。赛博。（2021），在线发布
[23] 王，Q。；Qian，Y.H。；Liang，X.Y。；郭，Q。；Liang，J.Y.，局部邻域粗糙集，Knowl-基于系统。，153, 53-64 (2018)
[24] Wang，C.Z。；邵，M.W。；何，Q。；Qian，Y.H。；Qi，Y.L.，基于模糊邻域粗糙集的特征子集选择，Knowl-基于系统。，111, 173-179 (2016)
[25] 王振中、黄永云、邵M.W.、胡Q.H、陈D.G。基于邻域自我信息的特征选择。IEEE传输。赛博。99(2019) 1-12.
[26] Wang，C.Z。；史永平。；范，X.D。；邵明伟，基于k近邻粗糙集的属性约简，国际期刊近似推理。，106, 18-31 (2019) ·Zbl 1456.68190号
[27] Wang，C.Z。；Wang，Y。；邵，M.W。；Qian，Y.H。；Chen，D.G.，分类数据的模糊粗糙属性约简，IEEE Trans。模糊系统。，28, 5, 818-830 (2020)
[28] Wang，Y。；李永平，基于加权邻域信息网络的混合值数据集离群点检测，信息科学。，564, 396-415 (2021)
[29] 王海杰。；Shao，Y.H。；周S.L。；张，C。；Xiu，N.H.，通过L-0/1软边缘损失的支持向量机分类器，IEEE Trans。模式分析。机器。智力。，44, 10, 7253-7265 (2022)
[30] Yang，X.L。；Chen，H.M。；李·T·R。；Wan，J.H。；Sang，B.B.，邻域粗糙集与特征选择的距离度量学习，Knowl-基于系统。，224，第107076条pp.（2021）
[31] 郑东东。；朱丽英，基于邻域系统的粗糙集不确定性测度，知识-基于系统。，86, 57-65 (2015)
[32] Zhang，J.B。；李·T·R。；阮，D。；Liu，D.，动态数据挖掘的邻域粗糙集，Int.J.Intell。系统。，27, 4, 317-342 (2012)
[33] 张永乐。；罗明康，基于覆盖的粗糙集与基于关系的粗糙集之间的关系，信息科学。，225, 55-71 (2013) ·Zbl 1293.03028号
[34] 张永乐。；李，C.-Q。；林，M.-L。；Lin，Y.-J.，基于覆盖的广义粗糙集与自反邻域系统之间的关系，信息科学。，319, 56-67 (2015) ·兹比尔1390.68688
[35] 周，P。；胡晓刚。；李，P.P。；Wu，X.D.，使用自适应邻域粗糙集进行在线流媒体特征选择，Inf.Sci。，481, 258-279 (2019)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。