×
黄倩倩；李天瑞；黄燕勇；杨欣

动态不完全混合数据的增量三路邻域方法。 （英语） Zbl 1475.68271号

信息科学。 541, 98-122 (2020).
摘要：在实际应用中，通常存在不完整的混合数据，具有异构和缺失的特征。复杂的结构和不完全混合数据的快速更新给动态数据环境中的决策带来了一系列挑战。三向决策作为分析不确定问题的一种重要认知方法，已被广泛应用于各个领域。然而，现有的研究很少关注不完全混合信息下的三方决策。为了解决这个问题，我们提出了一个基于数据驱动的邻域关系的三向邻域决策模型（TWNDM），该模型由两个只满足自反性的伪距离函数构成。考虑到对象的添加和删除会导致信息颗粒和决策结构的变化，本文提出了一种基于矩阵的动态框架来更新TWNDM中的三向区域（正区域、边界区域和负区域）。首先用一对值代替经典关系矩阵中的单个值构造一个新的关系矩阵，然后根据新的关系阵、决策阵和相关的诱导矩阵建立基于矩阵的三向区域计算方法。此外，提出了基于矩阵的增量式机制和算法，用于在添加和删除对象时维护三向区域。对比实验结果表明，与静态算法相比，本文提出的增量算法能够提高TWNDM中保持三向区域的计算性能。

引用于8文件

MSC公司：

68T05年 人工智能中的学习和自适应系统
68层37 人工智能背景下的不确定性推理

关键词：

不完全混合数据；三方决策；增量学习；矩阵

软件：

UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{Q.Huang}等人，《信息科学》。541、98-122（2020年；Zbl 1475.68271）
全文： DOI程序

参考文献：

[1] 布莱克，C。；基奥，E。；Merz，C.J.，加州大学信息与计算机科学系UCI机器学习数据库库（1998），加利福尼亚大学：加利福尼亚大学欧文分校，http://www.ics.uci.edu/mlearn/MLRepository.html
[2] Chen，H.M。；李·T·R。；罗，C。；Horn，S.J。；Wang，G.Y.，动态数据挖掘的决策理论粗糙集方法，IEEE Trans。模糊系统。，23, 6, 1958-1970 (2015)
[3] Chen，H.M。；李·T·R。；Ruan，D.，属性值粗化或细化时不完全有序决策系统中近似值的保持，Knowl-基于系统。，31, 140-161 (2012)
[4] Chen，Y.M。；曾志强。；朱庆霞。；Tang，C.H.，邻域系统中的三向决策约简，应用。软计算。，38, 942-954 (2016)
[5] 邓，X.F。；Yao，Y.Y.，模糊集的决策论三元近似，信息科学。，279, 702-715 (2014) ·Zbl 1354.03073号
[6] Grzymala-Busse，J.，《不完全数据的特征关系：不可分辨关系的推广》，（Peters，J.；Skowron，a.，《粗糙集交易IV》，《计算机科学讲义》，第3700卷（2005年），Springer:Springer Berlin/Heidelberg），58-68·Zbl 1136.68531号
[7] 胡碧琴，三向决策空间和三向决策，信息科学。，281, 21-52 (2014) ·兹比尔1355.68256
[8] Hu，B.Q.，基于偏序集的三向决策空间和基于犹豫模糊集的三向决策，Knowl-基于系统。，91, 16-31 (2016)
[9] 黄Q.Q。；李·T·R。；黄Y.Y。；杨，X。；Fujita，H.，处理复合有序数据的动态优势粗糙集方法，Knowl-基于系统。，187 (2020)
[10] 黄Q.Q。；李·T·R。；杨，X。；王国强。；Hu，J.，基于矩阵的不完全混合数据知识维护增量方法，J.Chin。计算。系统。，41, 4, 868-877 (2020)
[11] 黄Y.Y。；李·T·R。；罗，C。；Fujita，H。；Horn，S.J.，基于矩阵的数据挖掘动态更新粗糙模糊近似，Knowl-基于系统。，119, 273-283 (2017)
[12] 贾，F。；Liu，P.D.，多准则环境下的新型三方决策模型，信息科学。，471, 29-51 (2019) ·Zbl 1448.91076号
[13] 贾晓云。；Li，W.W。；Shang，L.，基于多类三元决策理论粗糙集模型的多阶段成本敏感学习方法，信息科学。，485, 248-262 (2019)
[14] 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
[15] Lang，G.M。；蔡明杰。；Fujita，H。；Xiao，Q.M.，动态覆盖决策信息系统的相关族属性约简，Knowl-基于系统。，162, 161-173 (2018)
[16] 李海霞。；张立波。；黄，B。；Zhou，X.Z.，成本敏感型人脸识别的序贯三元决策和粒化，Knowl-基于系统。，91, 241-251 (2016)
[17] 李海霞。；张立波。；周，X.Z。；Huang，B.，使用深度神经网络的成本敏感序贯三方决策建模，国际期刊近似推理，85，68-78（2017）·Zbl 1419.68078号
[18] Li，S.Y。；李·T·R。；Hu，J.，复合信息系统中近似值的更新，Knowl-基于系统。，83138-148（2015）
[19] 李·T·R。；阮，D。；Geert，W。；宋，J。；Yang，X.，数据挖掘中用于动态属性泛化的基于粗糙集的特征关系方法，Knowl-基于系统。，20, 485-494 (2007)
[20] Li，W.W。；黄志强。；贾晓云。；蔡晓云，基于邻域的决策理论粗糙集模型，《国际近似推理》，69，1-17（2016）·Zbl 1344.68238号
[21] 梁博士。；Liu，D.，区间值决策理论粗糙集的三元决策系统研究，信息科学。，276, 186-203 (2014)
[22] Liang，D.C。；刘，D.，从直觉模糊决策理论粗糙集导出三方决策，信息科学。，300, 28-48 (2015) ·Zbl 1360.68841号
[23] Liang，D.C。；徐，Z.S。；刘丹，基于决策论粗糙集的二元模糊信息三元决策，信息科学。，396, 127-143 (2017) ·Zbl 1429.68292号
[24] 刘，D。；李·T·R。；Zhang，J.B.，《动态不完备信息系统中基于粗糙集的知识学习增量方法》，《国际近似推理》，551764-1786（2014）·Zbl 1433.68449号
[25] 刘，D。；Liang，D.C.，有序决策系统中的三向决策，Knowl-基于系统。，137, 182-195 (2017)
[26] 罗，C。；李·T·R。；Zhang，Y。；Fujita，H.，进化数据决策理论粗糙集的矩阵方法，Knowl-基于系统。，99, 123-134 (2016)
[27] 罗，C。；李·T·R。；姚义勇，不完全数据的动态概率粗糙集，信息科学。，417, 39-54 (2017)
[28] 罗，C。；李·T·R。；黄Y.Y。；Fujita，H.，更新不完整多尺度信息系统中的三方决策，信息科学。，476, 274-289 (2019) ·Zbl 1442.68232号
[29] Qian，Y.H。；Liang，X.Y。；林，G.P。；郭，Q。；Liang，J.Y.，局部多粒度决策理论粗糙集，国际近似推理，82，119-137（2017）·Zbl 1404.68172号
[30] Qian，Y.H。；张，H。；Sang，Y.L。；Liang，J.Y.，多粒度决策理论粗糙集，《国际近似推理》，55，225-237（2014）·Zbl 1316.68190号
[31] 舒，W.H。；Qian，W.B.，《粗糙集理论中动态不完备决策系统属性约简的增量方法》，数据与知识工程，100116-132（2015）
[32] Shu，W.H。；Shen，H.，用属性集的变化更新不完备决策系统中的属性约简，国际近似推理，55867-884（2014）·Zbl 1316.68193号
[33] Shu，W.H。；沈浩，动态不完备数据中基于粗糙集的增量特征选择，模式识别。，47，12，3890-3906（2014）
[34] 斯特凡诺夫斯基，J。；Tsoukis，A.，《不完整信息表和粗略分类》，计算。智力。，17, 545-566 (2001)
[35] Sun，L。；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。(2020)
[36] Sun，L。；Wang，L.Y。；丁，W.P。；Qian，Y.H。；Xu，J.C.，不完备邻域决策系统中基于Lebesgue和熵测度的邻域多粒度粗糙集属性约简，Knowl-基于系统。，192 (2020)
[37] Sun，L。；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
[38] Wang，G.Y。；关，L.H。；吴，W.Z。；Hu，F.，基于扩展粗糙集的数据驱动值容差关系，Fundam。Inf.，132349-363（2014）·Zbl 1302.68266号
[39] 杨，X。；李·T·R。；Fujita，H。；Liu，D.，《多类决策的连续三方方法》，《国际近似推理》，104，108-125（2019）·Zbl 1452.68237号
[40] 杨，X。；李·T·R。；刘，D。；Chen，H.M。；罗，C.，动态三向概率粗糙集的统一框架，信息科学。，420, 126-147 (2017) ·Zbl 1436.68362号
[41] Yang，Y.Y。；Chen，D.G。；Wang，H。；Wang，X.Z.，基于模糊粗糙集的特征选择增量透视图，IEEE Trans。模糊系统。，26, 3, 1257-1273 (2018)
[42] Yao，Y.Y.，概率粗糙集模型中的三向决策，Inf.Sci。，180, 341-353 (2010)
[43] Yao，Y.Y.，概率粗糙集模型中三方决策的优越性，信息科学。，181, 1080-1096 (2011) ·Zbl 1211.68442号
[44] Yao，Y.Y.，《三种决策与认知计算》，认知计算。，8, 4, 543-554 (2016)
[45] Yao，Y.Y.，三向决策和粒度计算，Int.J.近似推理，103107-123（2018）·Zbl 1448.68427号
[46] Zhang，J.B。；李·T·R。；陈海明，动态数据挖掘的复合粗糙集，信息科学。，257, 81-100 (2014) ·Zbl 1320.68156号
[47] 张庆华。；Lv，G.X。；Chen，Y.H。；Wang，G.Y.，基于属性值更新的动态三方决策模型，Knowl-基于系统。，14271-84（2018）
[48] 张庆华。；Xia，D.Y。；王国勇，具有两类分类错误的三元决策模型，《信息科学》。，420, 431-453 (2017) ·Zbl 1436.68367号
[49] 赵，H。；秦庆英，不完全决策表中的混合特征选择，知识-基于系统。，57, 181-190 (2014)
[50] 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。