×

决策论粗糙集模型中的属性约简。 (英语) Zbl 1156.68589号

摘要:粗糙集理论可以应用于规则归纳。有两种不同类型的分类规则,积极规则和边界规则,导致不同的决策和后果。它们不仅可以与诸如置信度、覆盖度和概括性等语法度量相区分,而且还可以与诸如决策-单一性、成本和风险等语义度量相区分。分类规则可以针对每个单独的规则进行本地评估,也可以针对一组规则进行全局评估。这两种类型的分类规则都可以从一个决策理论模型中生成并由其解释,该模型是Pawlak粗糙集模型的概率扩展。属性约简是粗糙集理论中的一个重要概念,它是一组属性的子集,这些属性对于保持给定信息表的特定属性来说是联合充分和单独必要的。本文针对决策论粗糙集模型中不同的分类属性,如决策单调性、置信度、覆盖度、通用性和代价,研究了属性约简问题。值得注意的是,这些属性中的许多可以通过Pawlak粗糙集模型中的单个度量(gamma)真实地反映出来。另一方面,它们需要在概率模型中单独考虑。直接扩展\(\gamma\)度量无法评估这些属性。这项研究为属性约简问题提供了新的见解。

MSC公司:

68立方英尺 知识表示
68层37 人工智能背景下的不确定性推理
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 安,A。;北掸邦。;Chan,C。;Cercone,北卡罗来纳州。;Ziarko,W.,《发现需水量预测规则:增强的粗糙集方法》,《工程应用与人工智能》,9645-653(1996)
[2] J.G.Bazan,H.S.Nguyen,S.H.Ngueen,P.Synak,J.Wroblewski,分类问题中的粗糙集算法,收录于:L.Polkowski,S.Tsumoto,T.Y.Lin(编辑),《粗糙集方法与应用》,2000年,第49-88页。;J.G.Bazan、H.S.Nguyen、S.H.Ngueen、P.Synak、J.Wroblewski,分类问题中的粗糙集算法,收录于:L.Polkowski、S.Tsumoto、T.Y.Lin(编辑),《粗糙集方法与应用》,2000年,第49-88页·Zbl 0992.68197号
[3] Beaubouef,T。;Petry,F.E。;Arora,G.,粗糙集和粗糙关系数据库不确定性的信息论度量,信息科学,109185-195(1998)
[4] Beynon,M.,《可变精度粗糙集模型中的约简:进一步研究》,《欧洲运筹学杂志》,134592-605(2001)·Zbl 0984.90018号
[5] P.Clark,S.Matwin,《使用定性模型指导归纳学习》,载《机器学习国际会议论文集》,1993年,第49-56页。;P.Clark,S.Matwin,《使用定性模型指导归纳学习》,载《机器学习国际会议论文集》,1993年,第49-56页。
[6] 杜达,R.O。;Hart,P.E.,《模式分类和场景分析》(1973年),威利出版社:威利纽约·Zbl 0277.68056号
[7] 丁施,I。;Gediga,G.,粗糙集预测的不确定性度量,人工智能,10677107(1998)
[8] Greco,S。;马塔拉佐,B。;Slowinski,R.,参数化粗糙集的粗糙隶属度和贝叶斯确认测度,LNAI,3641,314-324(2005)·Zbl 1134.68531号
[9] Greco,S。;Pawlak,Z。;Slowinski,R.,贝叶斯确认度量对粗糙集决策规则有用吗?,人工智能的工程应用,17,4,345-361(2004)
[10] J.P.Herbert,J.T.Yao,实际决策的粗糙集模型选择,载《第四届模糊系统与知识发现国际会议论文集》,2007年,第203-207页。;J.P.Herbert,J.T.Yao,《实际决策的粗糙集模型选择》,载《第四届模糊系统与知识发现国际会议论文集》,2007年,第203-207页。
[11] 胡,Q。;Yu,D。;Xie,Z.,基于模糊粗糙技术的信息保留混合数据约简,模式识别快报,27414-423(2006)
[12] 胡,Q。;Yu,D。;谢,Z。;Liu,J.,模糊概率近似空间及其信息测度,《模糊系统学报》,第14期,191-201(2006)
[13] Inuiguch,M.,变精度粗糙集模型中属性约简的几种方法,人工智能建模决策,215-226(2005)
[14] Katzberg,J.D。;Ziarko,W.,《具有非对称边界的可变精度粗糙集》,(Ziarka,W.《粗糙集、模糊集和知识发现》(1994),施普林格出版社:施普林格伦敦),67-177·Zbl 0819.68041号
[15] Klir,J。;Wierman,M.J.,《基于不确定性的信息:广义信息理论的要素》(1999),Physica-Verlag:Physica-Verlag New York·Zbl 0935.68023号
[16] M.Kryszkiewicz,可变精度粗糙集模型中约简的保持,ICS研究报告31/94,华沙理工大学,1994年。;M.Kryszkiewicz,可变精度粗糙集模型中约简的维护,ICS研究报告31/94,华沙理工大学,1994年。
[17] M.Kryszkiewicz,《不完备系统中的某些广义决策和隶属度分布约简与函数依赖》,载于:《粗糙集与智能系统范式学报》,2007年,第162-174页。;M.Kryszkiewicz,《不完备系统中的确定、广义决策和隶属度分布约简与函数依赖》,载于:《粗糙集与智能系统范式学报》,2007年,第162-174页。
[18] 李,H。;周,X。;黄,B.,基于关联度粗糙集的不完备信息系统属性约简,计算机科学(季素季科学),34,39-42(2007)
[19] Liang,J.Y。;石振中,粗糙集理论中的信息熵、粗糙熵和知识粒化,国际不确定性、模糊性和基于知识的系统杂志,12,3746(2004)
[20] 刘杰。;胡,Q。;Yu,D.,为班级不平衡学习开发的基于加权粗糙集的方法,信息科学,178,41235-1256(2008)·Zbl 1134.68047号
[21] Mi,J.S。;Wu,W.Z。;张伟新,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
[22] 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
[23] Pawlak,Z.,《粗略分类》,《国际人机研究杂志》,20469-483(1984)·Zbl 0541.68077号
[24] Pawlak,Z.,《粗糙集:关于数据推理的理论方面》(1991),Kluwer学术出版社:Kluwer学术出版社波士顿·Zbl 0758.68054号
[25] Pawlak,Z。;Skowron,A.,《粗糙隶属函数》(Yager,R.R.;Fedrizzi,M.;Kacprzyk,J.,《Dempster-Shafer证据理论的进展》(1994),John Wiley and Sons:John Willey and Sons New York),251-271·Zbl 0794.03045号
[26] Pawlak,Z。;Skowron,A.,《粗糙集的基础》,信息科学,177,3-27(2007)·Zbl 1142.68549号
[27] Pawlak,Z。;Skowron,A.,《粗糙集:一些扩展》,《信息科学》,177,28-40(2007)·Zbl 1142.68550号
[28] Pawlak,Z。;Wong,S.K.M。;Ziarko,W.,《粗糙集:概率与确定性方法》,《国际人机研究杂志》,2981-95(1988)·兹伯利0663.68094
[29] 斯科伦,A。;Rauszer,C.,《信息系统中的可辨矩阵和函数》,(Slowinnski,R.,《智能决策支持》,粗糙集理论应用和进展手册(1992),Kluwer学术出版社:Kluwer-学术出版社Dordrecht)
[30] 斯科伦,A。;Stepaniuk,J.,《公差近似空间》,《信息基础》,27245-253(1996)·Zbl 0868.68103号
[31] Slezak,D.,不一致决策表分析的标准化决策函数和度量,《基础信息》,44,291-319(2000)·Zbl 0970.68171号
[32] Slezak,D.,粗糙集和贝叶斯因子,LNAI,3400,202-229(2005)·Zbl 1117.68072号
[33] Slezak,D。;Ziarko,W.,变精度粗糙集模型贝叶斯版本中的属性约简,理论计算机科学电子笔记,82263-273(2003)·Zbl 1270.68323号
[34] Su,C.T。;Hsu,J.H.,可变精度粗糙集模型中的精度参数:应用,《欧米茄国际管理科学杂志》,34149-157(2006)
[35] Swiniarski,R.W.,《特征约简和分类中的粗糙集方法》,《国际应用数学和计算机科学杂志》,11,565-582(2001)·Zbl 0990.68130号
[36] Swiniarski,R.W。;Skowron,A.,《特征选择和识别中的粗糙集方法》,《模式识别快报》,24833-849(2003)·Zbl 1053.68093号
[37] 王,G。;Yu,H。;杨丹,基于条件信息熵的决策表约简,中国计算机学报,25759-766(2002)
[38] Wang,G.Y。;赵,J。;吴杰,代数观点与信息观点在属性约简中的比较研究,《信息科学基础》,68,1-13(2005)
[39] Wierman,M.J.,《粗糙集理论中的测量不确定性》,《国际通用系统杂志》,28,283297(1999)
[40] Wong,S.K.M。;Ziarko,W.,概率近似分类与模糊集模型的比较,模糊集与系统,21357-362(1987)·Zbl 0618.60002号
[41] Wu,W.Z。;张,M。;李海珍。;Mi,J.S.,通过Dempster-Shafer证据理论实现随机信息系统中的知识约简,信息科学,174143-164(2005)·Zbl 1088.68169号
[42] J.T.Yao,J.P.Herbert,基于粗糙集分析的网络支持系统,载《粗糙集与新兴智能系统范式国际会议论文集》,2007年,第360-370页。;J.T.Yao,J.P.Herbert,基于粗糙集分析的网络支持系统,载于:《粗糙集与新兴智能系统范式国际会议论文集》,2007年,第360-370页。
[43] Yao,Y.Y.,粗糙集决策理论模型中的信息粒化和近似,(Polkowski,L.;Pal,S.K.;Skowron,a.,《粗糙神经计算:文字计算技术》(2003),Springer:Springer-Blin),491-516
[44] Yao,Y.Y.,粗糙集的概率方法,专家系统,20287-297(2003)
[45] 姚义勇,决策论粗糙集模型,载《科学知识与技术学报》2007年第4481卷,第1-12页。;姚永元,决策论粗糙集模型,载《科学知识与技术学报》2007年第4481卷,LNAI,2007年,第1-12页。
[46] 姚义勇,陈义华,杨晓东,规则兴趣度评估的测量理论基础,载《2003年国际数据挖掘基础研讨会论文集》,2003年,第221-227页。;Y.Y.Yao,Y.H.Chen,X.D.Yang,规则趣味性评估的测量理论基础,载于:ICDM’03数据挖掘基础研讨会论文集,2003年,第221-227页。
[47] Yao,Y.Y。;Wong,S.K.M.,近似概念的决策理论框架,《国际人机研究杂志》,37793-809(1992)
[48] Yao,Y.Y。;Wong,S.K.M。;Lingras,P.,《决策理论粗糙集模型》,(Ras,Z.W.;Zemankova,M.;Emrich,M.L.,《智能系统方法论》,第5卷(1990年),北荷兰:北荷兰纽约),17-24
[49] 姚义勇,钟南中,《与规则相关的定量测度分析》,载《亚太知识发现与数据挖掘会议论文集》,1999年,第479-488页。;姚彦彦,N.Zhong,《与规则相关的定量度量分析》,载《亚太知识发现和数据挖掘会议论文集》,1999年,第479-488页。
[50] 张伟新。;Mi,J.S。;Wu,W.Z.,不一致信息系统中的知识约简,中国计算机学报,1,12-18(2003)
[51] Y.Zhao,F.,Luo,S.K.M.Wong,Y.Y.Yao,属性约简的一般定义,载《第二粗糙集与知识技术学报》,2007年,第101-108页。;Y.Zhao,F.,Luo,S.K.M.Wong,Y.Y.Yao,属性约简的一般定义,载《第二粗糙集与知识技术学报》,2007年,第101-108页。
[52] Ziarko,W.,可变精度粗糙集模型,《计算机与系统科学杂志》,46,39-59(1993)·Zbl 0764.68162号
[53] Ziarko,W.,从数据中获取层次结构概率决策表和规则,专家系统,20305-310(2003)
[54] Ziarko,W.,概率粗糙集,LNAI,3641283-293(2005)·Zbl 1134.68567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。