×
李兆文;杨桃丽;Li，金进

通过预测标签策略对部分标记的多集值数据进行半监督属性约简。 （英语） Zbl 07832117号

信息科学。 634, 477-504 (2023).
摘要：大量部分标记数据的存在是由于标记数据的高成本。对于这类数据，传统的粗糙集模型无法很好地表示实际数据中对象的分布。这限制了数据的有效决策和分类。用预测标签替换缺少的标签可以在一定程度上弥补标签的缺失。然后，考虑带有预测标签的多值数据。本文通过预测标记策略研究了部分标记多值数据的半监督属性约简。首先，构造了多值决策信息系统（MSVDIS）中信息值之间的距离，并引入了MSVDIS对象集上的容差关系。然后，定义了部分标记的多值决策信息系统（p-MSVDIS）。接下来，提出了一种预测标签策略（即，p-MSVDIS中的现有标签保持不变，并且用预测标签替换缺失的标签）。顺便提一下，获得了一个新的MSVDIS，并通过决策属性对对象集进行了重新分类。此外，还提出了所获得的MSVDIS中的相关性和条件熵，并讨论了一些性质。设计了p-MSVDIS中基于依赖和条件熵的半监督属性约简算法。最后，在实际数据集上的实验表明，预测标记策略优于传统的粗糙集方法，并且所设计的算法比现有算法具有更好的分类和离群点检测性能。

MSC公司：

68倍 计算机科学
62至XX 统计

关键词：

p-MSVDIS公司;预测标签;依赖;条件熵;半监督属性约简
PDF格式BibTeX公司 XML格式引用
\textit{Z.Li}等人，《信息科学》。634477--504（2023年；Zbl 07832117）
全文： DOI程序

参考文献：

[1] 香港Aljobouri。；H.A.Jaber。；O.M.科卡。；藻类，O。；Cankaya，I.，《神经科学数据挖掘用鲁棒无监督学习算法聚类fMRI数据》，J.Neurosci。方法，299，45-54（2018）
[2] Barlow，H.B.，无监督学习，神经计算。，1, 295-311 (1989)
[3] 坎帕纳，A。；Ciucci，D。；Huellermeier，E.，《弱标记数据的基于粗糙集的特征选择》，《国际期刊近似原因》。，136150-167（2021）·兹比尔1522.68447
[4] 陈，Y。；Liu，K.Y。；宋，J.J。；Fujita，H。；杨晓波（Yang，X.B.）。；Qian，Y.H.，属性约简的属性组，Inf.Sci。，535, 64-80 (2020) ·Zbl 1459.68204号
[5] 陈，Y。；杨晓波（Yang，X.B.）。；Li，J.H。；王，P.X。；Qian，Y.H.，融合属性约简加速器，信息科学。，587, 354-370 (2022)
[6] 坎宁安，P。；绳索，M。；Delany，S.J.，监督学习，（多媒体机器学习技术（2008），施普林格：施普林格柏林，海德堡），21-49
[7] Dai，J.H。；胡庆华。；Zhang，J.H。；胡，H。；Zheng，N.G.，用粗糙集方法选择部分标记分类数据的属性，IEEE Trans。赛博。，47, 2460-2471 (2016)
[8] Dai，J.H。；Han，H.F。；胡，H。；胡庆华。；Zhang，J.H。；Wang，W.T.，DualPOS:基于粗糙集理论的符号数据半监督属性选择方法，（网络时代信息管理国际会议（2016），Springer:Springer-Cham），392-402
[9] Dai，J.H。；Liu，Q.，基于误分类代价的区间数据半监督属性约简，Int.J.Mach。学习。赛博。，13, 1739-1750 (2022)
[10] 丁，W.P。；Lin，C.T。；Cao，Z.H.，通过量子跳跃PSO与最近邻成员进行模糊属性约简的深层神经认知协同进化，IEEE Trans。赛博。，49, 7, 2744-2757 (2019)
[11] 丁，W.P。；秦先生。；沈小杰。；Ju，H.R。；Wang，H.P。；Huang，J.S。；李明，基于属性树的并行增量式高效属性约简算法，信息科学。，6101102-1121（2022）
[12] 达努卡，R。；特里帕蒂，A。；Singh，J.P.，基于半监督自动编码器的蛋白质功能预测方法，IEEE J.Biomed。健康信息。，26, 4957-4965 (2022)
[13] Dunn，O.J.，《均值之间的多重比较》，《美国统计协会期刊》，56，52-64（1961）·Zbl 0103.37001号
[14] Fehenberger，T。；Millar，D.S。；Koike-Akino，T。；Kojima，K。；Parsons，K.，多集部分分布匹配，IEEE Trans。社区。，1885-1893年（2018年）
[15] Feofanov，V。；Devijver，E。；Amini，M.R.，《部分标记数据的包装器特征选择》，应用。智力。，52, 12316-12329 (2022)
[16] Friedman，M.，《替代性显著性检验对mrankings问题的比较》，《数学年鉴》。《统计》，第11卷，第86-92页（1940年）
[17] 高，C。；周，J。；Miao，D.Q。；Yue，X.D。；Wan，J.，《具有代理标签的部分标记数据的基于粒度条件熵的属性约简》，《信息科学》。，580, 111-128 (2021)
[18] Girish，K.P。；John，S.J.，由多集关系诱导的多集拓扑，信息科学。，188, 298-313 (2012) ·Zbl 1305.54019号
[19] Grzymala-Busse，J.W。；Hu，M.，《数据挖掘中缺失属性值的几种方法比较》，（国际粗糙集会议和当前计算趋势（2000），施普林格：施普林格-柏林，海德堡），378-385·Zbl 1014.68558号
[20] 黄，D。；Lin，H。；Li，Z.W.，多值信息系统中的信息结构及其在不确定性测量中的应用，J.Intell。模糊系统。，43, 7447-7469 (2022)
[21] Jena，S.P。；Ghosh，S.K。；Tripathy，B.K.，《关于包和列表的理论》，《信息科学》。，132, 241-254 (2001) ·Zbl 0980.68041号
[22] 贾晓云。；Rao，Y。；Shang，L。；Li，T.J.，《粗糙集理论中基于相似性的属性约简：聚类视角》，国际期刊Mach。学习。赛博。，11, 1047-1060 (2020)
[23] 江，F。；隋永福。；Cao，C.G.，关于粗糙集理论中异常值检测的一些问题，专家系统。申请。，36, 4680-4687 (2009)
[24] 克诺尔，E.M。；Ng，R.T。；Tucakov，V.，《基于距离的离群值：算法和应用》，VLDB J.，8237-253（2000）
[25] Lee，D.H.，Pseudo-label:深度神经网络的简单高效半监督学习方法（表征学习挑战研讨会，ICML（2013））
[26] 李·G。；Li，J.X。；刘永清。；刘杰。；Shi，B.F。；张，H。；Rao，W.Z。；张志平，基于绿色经济数据的高维属性约简方法建模与评价：来自中国15个副省级城市的证据，软计算。，24, 9753-9764 (2020)
[27] 李，B.Z。；魏振华。；Miao，D.Q。；张，N。；沈伟（Shen，W.）。；龚，C。；张海勇。；Sun，L.J.，《改进的通用属性约简算法》，《信息科学》。，536, 298-316 (2020) ·Zbl 1474.68359号
[28] 林，Z.C。；马，J。；马，S.M。；Zhou，Y.H.B.，多集上的弱增长树，Adv.Appl。数学。，129，第102206条pp.（2021）·Zbl 1468.05008号
[29] 刘玉霞。；龚，Z.C。；Liu，K.Y。；徐世平。；Yang，X.B.，属性约简的Q-学习方法，应用。智力。，2022年1月16日
[30] Liu，K.Y。；杨晓波（Yang，X.B.）。；Yu，H.L。；Mi，J.S。；王，P.X。；Chen，X.J.，基于粗糙集的集成选择器半监督特征选择，Knowl-基于系统。，165, 282-296 (2019)
[31] 马吉，P。；Garai，P.，模糊粗糙同时属性选择和特征提取算法，IEEE Trans。赛博。，43, 1166-1177 (2012)
[32] Mikalsen，K。；Soguero-Ruiz，C。；比安奇，F.M。；Jenssen，R.，噪声多标签半监督降维，模式识别。，90, 257-270 (2019)
[33] Miyamoto，S.，基于模糊多集的信息聚类，Inf.Process。管理。，39, 195-213 (2003) ·Zbl 1056.68080号
[34] Miyamoto，S.，作为信息系统框架的多集和模糊多集，（人工智能决策建模国际会议（2004），施普林格：施普林格柏林，海德堡），27-40·兹比尔1109.68656
[35] Nikulin，M.S.，Hellinger distance，（Hazewinkel，Michiel，数学百科全书（2001），Springer Science）
[36] Pawlak，Z.，《粗糙集》，《国际计算杂志》。信息科学。，11, 341-356 (1982) ·Zbl 0501.68053号
[37] Pawlak，Z.，《粗糙集：数据推理的理论方面》（Rough Sets:Theory Aspects of Reasoning About Data）（1991年），Kluwer Academic Publishers：Kluwer-Academical Publishers Dordrecht·Zbl 0758.68054号
[38] 拉马斯瓦米，南卡罗来纳州。；Rastogi，R。；Shim，K.，从大数据集挖掘离群值的高效算法，（2000年ACM SIGMOD国际数据管理会议论文集（2000）），427-438
[39] Reddy，G.T。；Reddy，M.P.K。；拉克希曼纳，K。；Kaluri，R。；Rajput，D.S。；斯利瓦斯塔瓦，G。；Baker，T.，《大数据降维技术分析》，IEEE Access，8，54776-54788（2020）
[40] Richards，J.A.，监督分类技术，（遥感数字图像分析（2022），Springer:Springer-Cham），263-367
[41] 辛格，S。；Shreevastava，S。；索姆·T。；Somani，G.，集值信息系统中基于模糊相似性的粗糙集属性选择方法，软计算。，24, 4675-4691 (2020) ·Zbl 1436.68357号
[42] Tauler，R。；梅德，M。；De Juan，A.，多集数据分析：扩展多元曲线分辨率，综合化学计量学，2305-336（2020）
[43] 范·恩格伦，J.E。；Hoos，H.H.，《关于半监督学习的调查》，马赫。学习。，109373-440（2020）·Zbl 1441.68215号
[44] Wang，C.Z。；黄，Y。；丁，W.P。；曹振华，用模糊粗糙自我信息测度进行属性约简，信息科学。，549, 68-86 (2021) ·Zbl 1474.68367号
[45] Wang，C.Z。；Qian，Y.H。；丁，W.P。；冯晓东，基于模糊粗糙最小分类误差准则的特征选择，IEEE Trans。模糊系统。，2930-2942年3月30日（2022年）
[46] 杨晓波（Yang，X.B.）。；Liang，S.C。；Yu，H.L。；高，S。；Qian，Y.H.，伪拉贝尔邻域粗糙集：度量与属性约简，国际期刊近似推理。，105, 112-129 (2019) ·Zbl 1452.68236号
[47] 杨晓波（Yang，X.B.）。；Yao，Y.Y.，用于属性约简的信号群选择器，应用。软计算。，70, 1-11 (2018)
[48] 张，M.L。；Wu，J.H。；Bao，W.X.，用于部分标签降维的消歧线性判别分析，ACM Trans。知识。发现。数据，16,1-18（2022）
[49] X.R.Zhao。；胡碧琴，多值信息表中基于决策论粗糙集的三向决策，信息科学。，507, 684-699 (2020) ·Zbl 1456.68214号
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。