×

一种新的覆盖决策系统属性约简方法。 (英语) Zbl 1337.68257号

摘要:属性约简已经成为模式识别和机器学习任务中的一个重要步骤。覆盖粗糙集作为经典粗糙集的推广,在理论和应用中都受到了广泛的关注。提出了一种基于覆盖粗糙集的属性约简方法。我们回顾了一致和不一致覆盖决策系统的概念及其约简,并为每种类型的覆盖决策系统建立了一个判断定理和可区分矩阵。此外,我们给出了覆盖粗糙集属性约简的一些基本结构性质。基于区分矩阵,我们开发了一种启发式算法来寻找近似于最小约简的属性子集。最后,UCI数据集的实验结果表明,所提出的约简方法是处理数值和类别数据的有效技术,并且比论文中提出的方法更有效[第三作者等,Inf.Sci.177,No.17,3500-3518(2007;Zbl 1122.68131号)].

MSC公司:

68层37 人工智能背景下的不确定性推理
68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别
68T20型 人工智能背景下的问题解决(启发式、搜索策略等)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 博尼科夫斯基,Z。;Bryniarski,E。;Wybraniec,U.,《粗糙集理论中的扩展和意图》,信息科学,107,149-167(1998)·Zbl 0934.03069号
[2] Błaszczynski,J。;Słowiáski,R。;Szelag,M.,可变一致性粗糙集方法的序列覆盖规则归纳算法,信息科学,181,5987-1002(2011)
[3] Cattaneo,G.,《粗糙理论的抽象近似空间》(Polkowski;Skowron,《知识发现中的粗糙集1:方法论和应用》(1998),《物理平均值:海德堡物理平均值》),59-98·Zbl 0927.68087号
[4] Chen,D.G。;张伟新。;杨,D。;Tsang,E.C.C.,完全分配格上的粗糙近似及其在广义粗糙集中的应用,信息科学,1761829-1848(2006)·兹伯利1104.03053
[5] Chen,D.G。;Wang,C.Z。;Hu,Q.H.,具有覆盖粗糙集的一致和不一致覆盖决策系统属性约简的新方法,信息科学,177,173500-3518(2007)·Zbl 1122.68131号
[6] Chen,D.G。;胡庆华。;Yang,Y.,基于高斯核模糊粗糙集的参数化属性约简,信息科学,181,23,5169-5179(2011)·Zbl 1239.68059号
[7] Diker,M。;乌尔,A.A.,《基于纹理和覆盖的粗糙集》,信息科学,184,1,44-63(2012)·兹比尔1239.03032
[8] 杜恩施,I。;Gediga,G.,粗糙集预测的不确定性度量,人工智能,106109-137(1998)·Zbl 0909.68040号
[9] 杜恩施,I。;Gediga,G。;Orlowska,E.,关系属性系统,《国际人类计算机研究杂志》,55,293-309(2001)·Zbl 0972.68601号
[10] Dai,J.,不完全数值数据的粗糙集方法,信息科学,24143-57(2013)·Zbl 1320.68182号
[11] 戴J。;Xu,Q.,不完备信息系统中的近似和不确定性测度,信息科学,198,62-80(2012)·Zbl 1248.68487号
[12] Greco,S。;马塔拉佐,B。;Słowiáski,R.,优势关系对偏好关系的粗略近似,《欧洲运筹学杂志》,117,63-83(1999)·Zbl 0998.90044号
[13] Greco,S。;马塔拉佐,B。;Słowiáski,R.,优势关系粗糙近似,智能系统国际期刊,17,153-171(2002)·Zbl 0997.68135号
[14] 胡,Q。;佩德里茨,W。;Yu,D。;Lang,J.,基于邻域决策误差最小化选择离散和连续特征,IEEE系统、人和控制论汇刊-第B部分:控制论,40,1,137-150(2010)
[15] 胡,Q。;Yu,D。;刘杰。;Wu,C.,基于邻域粗糙集的异质特征子集选择,信息科学,178,3577-3594(2008)·Zbl 1154.68466号
[16] Jensen,R。;沈庆,模糊粗糙集辅助属性选择,IEEE模糊系统汇刊,15,1,73-89(2007)
[17] Jeon,G。;Kim,D。;Jeong,J.,交错视频序列中基于粗糙集属性约简的专家系统,IEEE消费电子交易,52,4,1348-1355(2006)
[18] Kryszkiewicz,M.,不完备信息系统的粗糙集方法,信息科学,112,39-49(1998)·Zbl 0951.68548号
[19] Kryszkiewicz,M.,《不完全信息系统中的规则》,信息科学,113,271-292(1999)·Zbl 0948.68214号
[20] 梁,Y。;Li,D.Y.,不完备信息系统中规则获取的最大一致块技术,信息科学,153,85-106(2003)·Zbl 1069.68605号
[21] 梁,Y。;Wu,W.Z。;Zhang,W.X.,不完全信息系统中的知识获取:粗糙集方法,欧洲运筹学杂志,168164-180(2006)·Zbl 1136.68528号
[22] Liang,J.Y。;Dang,C.Y。;Chin,K.S。;Yam Richard,C.M.,《粗糙集理论中测量不确定性和模糊性的新方法》,《国际通用系统杂志》,31,4,331-342(2002)·Zbl 1010.94004号
[23] Liu,G.L.,使用一个公理来刻画粗糙集和模糊粗糙集近似,信息科学,223285-296(2013)·Zbl 1293.03024号
[24] 刘,D。;李·T。;Ruan,D.,《决策论粗糙集概率模型准则》,信息科学,181,17,3709-3722(2011)
[25] Mordeson,J.N.,应用于(模糊)理想理论的粗糙集理论,模糊集与系统,121315-324(2001)·Zbl 1030.68085号
[26] 孟,Z。;Shi,Z.,不一致不完备决策系统中基于扩展粗糙集的属性约简,信息科学,204,44-69(2012)
[27] Mi,J.S。;梁,Y。;Wu,W.Z.,基于划分的模糊粗糙集中的不确定性度量,国际通用系统杂志,3477-90(2005)·Zbl 1125.03309号
[28] Mi,J.S。;Wu,W.Z。;Zhang,W.X.,基于变精度粗糙集模型的知识约简方法,信息科学,159255-272(2004)·Zbl 1076.68089号
[30] Pawlak,Z.,《粗糙集》,《国际计算机和信息科学杂志》,11,341-356(1982)·Zbl 0501.68053号
[31] Pawlak,Z.,《粗糙集:关于数据推理的理论方面》(Rough Sets:Theory Aspects of Reasoning About Data)(1991年),Kluwer Academic Publishing:Kluwer-Academical Publishing Dordrecht·Zbl 0758.68054号
[32] Pawlak,Z。;Skowron,A.,《粗糙集基础》,信息科学,177,3-27(2007)·Zbl 1142.68549号
[33] Pomykala,J.A.,近似空间中的近似运算,波兰科学院公报,9-10,653-662(1987)·Zbl 0642.54002号
[34] Pedrycz,W.,《粒度计算:智能系统的分析与设计》(2013),CRC出版社,Francis Taylor:CRC出版社,Francis Taylor Boca Raton
[35] 佩德里茨,W。;Vukovich,G.,《颗粒世界:表征和通信问题》,《国际智能系统杂志》,第15期,第1015-1026页(2000年)·Zbl 0960.68146号
[36] 钱,Y。;梁,J。;佩德里茨,W。;Dang,C.,《正逼近:粗糙集理论中属性约简的加速器》,人工智能,174597-618(2010)·Zbl 1205.68310号
[37] Qian,Y.H。;Liang,J.Y。;Li,D.Y。;张海勇。;Dang,C.Y.,《粗糙集理论中决策表的决策性能评估方法》,信息科学,178181-202(2008)·Zbl 1128.68102号
[38] Qian,Y.H。;Liang,J.Y。;Dang,C.Y.,《粗糙集理论中的逆向近似和决策表规则提取》,《计算机与数学应用》,55,1754-1765(2008)·Zbl 1147.68736号
[39] 秦光耀。;裴,Z。;Yang,J.等人。;Xu,Y.,完全分配格上的逼近算子,信息科学,247123-130(2013)·Zbl 1320.68195号
[40] 施,Z。;龚,Z.,《基于覆盖的粗糙集的进一步研究:不确定性表征、相似性度量和广义模型》,《信息科学》,180,19,3745-3763(2010)·Zbl 1205.68430号
[41] 斯科伦,A。;Stepaniuk,J.,《公差近似空间》,《信息基础》,27245-253(1996)·Zbl 0868.68103号
[42] 斯科伦,A。;斯蒂芬纽克,J。;Swiniarski,R.,《基于近似空间的粗糙粒度计算建模》,《信息科学》,184,1,20-43(2012)
[43] 斯洛文斯基,R。;vanderpooten,D.,基于相似性的粗糙近似的广义定义,IEEE数据与知识工程汇刊,2331-336(2000)
[44] 斯科伦,A。;Rauszer,C.,《信息系统中的可辨矩阵和函数》,(Slowinski,R.,《智能决策支持》,《粗糙集理论应用与进展手册》(1992),Kluwer学术出版社)·Zbl 0820.68001号
[45] 曾荫权,E.C.C。;陈,D。;Yeung,D.S.,覆盖广义粗糙集的近似与约简,计算机与数学应用,56,279-289(2008)·Zbl 1145.68547号
[46] 王,C。;吴,C。;Chen,D.,基于一般二元关系的粗糙集属性约简系统研究,信息科学,1782237-2261(2008)·兹比尔1136.68051
[47] 王,C。;吴,C。;吴,C。;胡琼,《信息系统之间的通信》,信息科学,1783228-3239(2008)·Zbl 1154.68558号
[48] 王,C。;陈,D。;Sun,B。;胡琼,基于覆盖粗糙集的信息系统间通信,信息科学,21617-33(2012)·Zbl 1251.68250号
[49] Wang,L。;杨,X。;Yang,J.等人。;Wu,C.,六覆盖广义粗糙集与纯自反邻域系统的关系,信息科学,20766-78(2012)·Zbl 1250.68261号
[50] 王,C。;陈,D。;胡琼,《有序信息系统与覆盖信息系统的比较研究》,《信息基础》,第123期,第351-363页(2013年)·Zbl 1267.68231号
[51] Wu,W.Z。;张伟新。;Li,H.Z.,通过粗糙集方法在不完全模糊信息系统中获取知识,专家系统,20280-286(2003)
[52] Wu,W.Z。;张,M。;李海珍。;Mi,J.S.,通过Dempster-Shafer证据理论在随机信息系统中的知识约简,信息科学,174,143-164(2005)·Zbl 1088.68169号
[53] Wu,W.Z。;Leung,Y.,多尺度决策表中颗粒标记分区的理论与应用,信息科学,181,18,3878-3897(2011)·Zbl 1242.68258号
[54] Wasilewska,A.,拓扑粗糙代数,(Lin;Cercone,rough Sets&Data Mining(1997),Kluwer学术出版社:Kluwer-学术出版社波士顿),411-425·Zbl 0860.03042号
[55] Yao,Y.Y.,邻域算子和粗糙集近似算子的关系解释,信息科学,101239-259(1998)·Zbl 0949.68144号
[56] 姚义勇,粗糙集理论的构造和代数方法,信息科学,109,21-47(1998)·Zbl 0934.03071号
[57] Yao,Y.Y。;Yao,B.,基于覆盖的粗糙集近似,信息科学,200,91-107(2012)·Zbl 1248.68496号
[58] Yao,Y.Y.,概率粗糙集模型中三方决策的优势,信息科学,181,6,1080-1096(2011)·Zbl 1211.68442号
[59] Ye,D。;陈,Z。;Ma,S.,基于粗糙集的最小属性约简问题的一种新的更好的适应度评估,信息科学,222413-423(2013)·Zbl 1293.68270号
[60] Ziarko,W.,可变精度粗糙集模型,《计算机与系统科学杂志》,46,9-59(1993)·Zbl 0764.68162号
[61] 张,X。;周,B。;Li,P.,直觉模糊粗糙集的一般框架,信息科学,21634-49(2012)·Zbl 1251.03064号
[62] 张,X。;姚,Y。;Yu,H.,基于强拓扑粗糙代数的粗糙蕴涵算子,信息科学,180,19,3764-3780(2010)·Zbl 1202.03070号
[63] Zhang,Y。;Luo,M.,《关于表征基于覆盖的近似算子的公理集最小化》,信息科学,181,14,3032-3042(2011)·Zbl 1216.68300号
[64] Zakowski,W.,《空间中的近似(U,∏)》,《数学演示》,第16761-769页(1983年)·Zbl 0553.04002号
[65] 朱伟。;王飞跃,关于覆盖广义粗糙集的一些结果,模式识别与人工智能,5,6-13(2002)
[66] 朱伟。;王凤,覆盖广义粗糙集的约简与公理化,信息科学,152217-230(2003)·Zbl 1069.68613号
[67] 朱伟,《覆盖粗糙集的拓扑方法》,信息科学,1771892-1915(2007)
[68] 朱伟。;王凤英,第四类基于覆盖的粗糙集,信息科学,201,80-92(2012)·兹比尔1248.68499
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。