×
陈红梅;李天瑞;乔少杰;阮，达

一种基于粗糙集的动态维护方法，用于粗化和细化属性值的近似值。 （英语） Zbl 1211.68420号

《国际情报杂志》。系统。 25，第10号，1005-1026（2010）.
概要：在粗糙集理论中，概念的上下近似值将随着信息系统的变化而动态变化。如何根据原始信息更新近似值是一项重要的任务，有助于提高知识发现的效率。本文主要研究属性值粗化或细化时动态更新近似值的方法。主要贡献包括：（1）定义了信息系统中属性值的粗化和细化，介绍了属性值粗化和精炼的性质和原理；（2） 根据属性值粗化和细化的上下近似分析动态维护的属性；（3） 提出一种增量算法，将概念的近似值更新为粗化或细化属性值；最后（4）验证了所提方法处理给定概念近似值的动态维护的有效性。

引用于21文件

MSC公司：

68立方英尺 知识表示

软件：

瑞亚
PDF格式BibTeX公司 XML格式引用
\textit{H.Chen}等人，《国际情报杂志》。系统。25，第10号，1005--1026（2010；Zbl 1211.68420）
全文： 内政部

参考文献：

[1] Zadeh，模糊逻辑=文字计算，IEEE Trans-Fuzzy Syst 4（1）pp 103–（1996）·兹伯利0947.03038
[2] 林，邻域系统-模糊集和粗糙集的定性理论，高级机器智能软计算4第132页-（1997）
[3] 林，二元关系上的粒度计算I：数据挖掘和邻域系统，粗糙集知识发现18页107–（1998）·Zbl 0927.68089号
[4] Zadeh，朝向模糊信息粒化理论及其在人类推理和模糊逻辑中的中心地位，模糊集系统19（1），第111–（1997）页·Zbl 0988.0304号
[5] Zadeh，《关于软计算、粒度计算及其在信息/智能系统的概念、设计和使用中的作用的一些思考》，《软计算2（1）》第23页–（1998）·Zbl 05471048号 ·doi:10.1007/s005000.50030
[6] Zadeh，《从不精确到粒度概率》，模糊集系统154（3），第370页–（2005）·Zbl 1106.60002号
[7] 林天。数据库和知识库系统中的邻域系统和近似。In：Proc Fourth Int Symp Methodology Intell Syst，海报会议1989 75 86
[8] 林天勇。粒度计算：从粗糙集和邻域系统到信息粒度和文字计算。In:Eur Congr智能技术和软计算1997 1602 1606
[9] 林，《数据挖掘和面向机器的建模：粒度计算方法》，《应用智能杂志》13（2），第113页–（2000）
[10] 姚JT。信息粒度和粒度关系。In:Proc 2005 IEEE 2005粒度计算会议326 329
[11] 姚JT姚YY。机器学习的粒度计算方法。In：2002年第一届模糊系统知识发现国际会议程序732 736
[12] 姚YY。粒度计算：基本问题和可能的解决方案。收录：2000年第五届信息科学联合会会议记录186 189
[13] Yao YY Zhong N粒度计算在知识发现和数据挖掘中的潜在应用。收录：Proc World Multiconf on Systemics，Cybern Informatics 1999 573 580
[14] 姚，信息粒化与粗糙集近似，《国际智能系统杂志》16（1）第87页–（2001）·Zbl 0969.68079号
[15] 姚YY。颗粒计算的观点。收录：Proc 2005 IEEE Int Conf on Granular Computing 2005 85 90
[16] Pawlak，《粗糙集》，《国际计算机信息科学杂志》11，第341页–（1982年）·Zbl 0501.68053号
[17] Pawalk，《粗糙集：数据推理的理论方面》（1991）
[18] Pawlak，《粗糙集基础》，《信息科学》177第3页–（2007年）·Zbl 1142.68549号
[19] Pawlak，《粗糙集：一些扩展》，《信息科学》177，第28页–（2007）·Zbl 1142.68550号
[20] Pawlak，粗糙集和布尔推理，《信息科学》177第41页–（2007）·Zbl 1142.68551号
[21] Ananthanarayana，使用粗糙集进行高效数据挖掘的树结构，模式识别快报24页851–（2003）·兹比尔1053.68036
[22] Skowron，《从决策表中提取规律：粗糙集方法》，《计算智能》11第71页–（1995）
[23] Peters，《知识发现的粗糙集方法》，国际计算智能系统杂志17（2），第109页–（2002）
[24] Tsumoto，使用粗糙集和医学诊断模型从临床数据库中挖掘诊断规则，Inf Sci 162（2），第65页–（2004）·Zbl 1037.68755号
[25] Li，数据挖掘中基于粗糙集的动态属性泛化特征关系方法，基于知识的系统20（5），第485页–（2007）
[26] Reinke，概念描述的增量学习：方法和实验结果，第263页–（1988）
[27] Shusaku，基于粗糙集理论的临床数据库概率规则增量学习，J Am Med Inf Assoc 4 pp 198–（1997）
[28] Guan，集值信息系统，Inf Sci 176（17）pp 2507–（2006）·Zbl 1101.68095号
[29] Tong L An L.基于粗糙集理论的决策规则增量学习。输入：Proc World Congr Intell Control and Automation（WCICA02）2002 420 425
[30] Liu，一种基于改进辨别矩阵的并行近似规则提取算法，Lect Notes Artif Intell 3066第498页–（2004）·Zbl 1103.68888号
[31] 郭思旺，ZY Wu ZC，等。一种基于粗糙集理论的动态增量规则提取算法。收录：机器学习与网络2005年第四届国际会议Proc Fourth Int Conf 1902 1907
[32] Zheng，RRIA：基于粗糙集和规则树的增量知识获取算法，《基础信息》59（2-3），第299页–（2004）·Zbl 1098.68711号
[33] 王，基于变精度粗糙集模型的增量规则获取算法，重庆邮电大学学报（自然科学版），17（6）pp 709–（2005）
[34] Chan，数据挖掘中属性泛化的粗糙集方法，Inf Sci 107 pp 177–（1998）
[35] 李TR马俊旭，等。不完备信息系统属性泛化方法。收录：机器学习和网络2003年国际会议进程1678 1691
[36] 李，数据挖掘中属性泛化的广义粗糙集方法，西南交通大学学报8（1），第69–（2000）页·Zbl 0996.68529号
[37] 李TR Yang N Xu Y，等。不完备信息系统中分类规则挖掘的增量算法。在：Proc Int Conf of the North American Fuzzy Inf 2004 446 449中
[38] 梁，粗糙集理论中的信息熵、粗糙熵和知识粒化，《国际不确定模糊知识系统》12（1）第37页–（2004）·Zbl 1074.68072号
[39] 陈HM Li TR Liu WB，等。属性值粗化和细化时粗糙集理论中近似值的动态维护方法研究。收录：Proc 2009 IEEE Int Conf on Granular Computing 2009 45 48
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。