×
戴建华;徐，清

不完备信息系统中的近似和不确定性度量。 （英语） Zbl 1248.68487号

信息科学。 198, 62-80 (2012).
摘要：粗糙集理论中处理不确定性度量问题的方法主要有两种：纯粗糙集方法和信息论方法。纯粗糙集方法基于Pawlak提出的精度、粗糙度和近似精度的概念。信息论方法基于香农熵或其变体。几位作者将信息论方法扩展到了不完备信息系统。然而，将纯粗糙集方法推广到不完备信息系统的研究却很少。本文主要研究用纯粗糙集方法构造不完备信息系统中的不确定性测度。研究了上下近似的三种定义以及相应的不确定度测量概念，包括精度、粗糙度和近似精度。理论分析表明，这三种类型中的两种可以用来评估不完备信息系统中的不确定性。对不完整的真实数据集进行了实验，以测试两种选定的不确定性度量（第一类和第三类）。结果表明，这两种不确定度测量是有效的。

引用于45文件

MSC公司：

68层37 人工智能背景下的不确定性推理
94甲17 信息的度量，熵

关键词：

粗糙集理论;不完备信息系统;不确定性测量;近似值;准确度测量

软件：

LERS公司;UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{J.Dai}和\textit{Q.Xu}，信息科学。198、62-80（2012年；Zbl 1248.68487）
全文： 内政部

参考文献：

[1] Abo-Tab，E.A.，《基于相似关系的两种粗糙近似定义的比较》，《信息科学》，1812587-2596（2011）·Zbl 1216.68289号
[2] Abu-Donia，H.，《基于多知识的粗糙近似和应用》，《基于知识的系统》，第26期，第20-29页（2012年）
[3] Abu Donia，H.M.，使用二元关系族进行不同类型近似的比较，基于知识的系统，21911-919（2008）
[4] 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）
[5] 比安努奇（D.Bianucci）。；Cattaneo，G.，《分区和覆盖的信息熵和粒度共熵：摘要》，《粗糙集学报》，2009年第10期，第15-66页·兹比尔1248.94038
[6] 比安努奇（D.Bianucci）。；Cattaneo，G。；Ciucci，D.，覆盖物的熵和共熵及其在不完备信息系统中的应用，《信息学基础》，75，77-105（2007）·Zbl 1108.68112号
[7] Blaszczynski，J。；斯洛文斯基，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，181987-1002（2011）
[8] Cattaneo，G。；Ciucci，D.，《不完备信息系统中相似性和排除粗糙近似的时间单调性研究》，人工智能讲义，306638-48（2004）·Zbl 1103.68835号
[9] Cattaneo，G。；Ciucci，D。；Bianucci，D.，分割和覆盖的熵和共熵及其在粗糙度理论中的应用，模糊性和软计算研究，22455-77（2008）·Zbl 1145.68539号
[10] Ciucci，D.，《粗糙集动力学分类》，人工智能讲义，6086，257-266（2010）
[11] Dai，J.H.，粗糙三值代数，信息科学，1781986-1996（2008）·Zbl 1134.06008号
[12] Dai，J.H。；Wang，W。；徐，Q。；Tian，H.，基于扩展条件熵的区间值决策系统的不确定性测量，基于知识的系统，27443-450（2012）
[13] Derrac，J.等人。；科内利斯，C。；加西亚，S。；Herrera，F.，通过基于模糊粗糙集的特征选择增强进化实例选择算法，信息科学，181，73-92（2012）
[14] Duentsch，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
[15] 冯·L。；李·T。；阮，D。；Gou，S.，《不确定知识获取的模糊集方法》，基于知识的系统，24837-843（2011）
[16] Formica，A.，基于粗糙集和模糊形式概念分析的语义网络搜索，基于知识的系统，26，40-47（2012）
[17] A.Frank，A.Asuncion，UCI机器学习库，2010年<http://archive.ics.uci.edu/ml; A.Frank，A.Asuncion，UCI机器学习库，2010年<http://archive.ics.uci.edu/ml
[18] Greco，S。；马塔拉佐，B。；Slowinski，R.，《处理多属性和多标准决策问题的粗糙集分析中的缺失值》，《人工智能讲义》，1711，146-157（1999）·Zbl 1037.91510号
[19] Grzymala-Busse，J.，规则归纳系统的新版本LERS，《信息基础》，31，27-39（1997）·Zbl 0882.68122号
[20] Grzymala Busse，J。；Rzasa，W.，不完全数据的局部和全局近似，计算机科学讲义，4259244-253（2006）·Zbl 1162.68690号
[21] 赫拉万，T。；德里斯，M.M。；Abawajy，J.H.，选择聚类属性的粗糙集方法，基于知识的系统，23，220-231（2010）
[22] 胡，Q。；安，S。；Yu，D.，用于鲁棒特征评估和选择的软模糊粗糙集，信息科学，1804384-4400（2010）
[23] Jelonek，J。；Krawiec，K。；Slowiski，R.，神经网络属性及其域的粗糙集约简，计算智能，11339-347（1995）
[24] R.Jensen，Q.Shen，缺失值数据集的区间值模糊粗糙特征选择，收录于：2009年IEEE模糊系统国际会议论文集，第610-615页。；R.Jensen，Q.Shen，缺失值数据集的区间值模糊粗糙特征选择，收录于《2009年IEEE模糊系统国际会议论文集》，第610-615页。
[25] Kim，D。；Bang，S.，使用容忍粗糙集的手写数字字符分类，IEEE模式分析和机器智能汇刊，22923-937（2002）
[26] 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
[27] 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
[28] Li，Y.L。；Tang，J.F。；Chin，K.S。；韩，Y。；Luo，X.G.，《质量功能部署中估计相关性度量的粗糙集方法》，信息科学，189，126-142（2012）
[29] 梁，J。；Chin，K.S。；Dang，C。；Yam，R.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》，31，331-342（2002）·Zbl 1010.94004号
[30] 梁，J。；施，Z。；李，D。；Wierman，M.J.，《不完备信息系统中的信息熵、粗糙熵和知识粒化》，《国际通用系统杂志》，35，641-654（2006）·Zbl 1115.68130号
[31] Lin，T.Y.，二元关系的粒度计算II:粗糙集表示和信念函数，知识发现中的粗糙集，121-140（1998）·Zbl 0927.68090号
[32] 北卡罗来纳州Mac Parthalain。；沈琦，探索容差粗糙集的边界区域用于特征选择，模式识别，42655-667（2009）·Zbl 1162.68625号
[33] 孟，Z。；Shi，Z.，基于容差关系粗糙集的不完备决策系统属性约简快速方法，信息科学，1792774-2793（2009）·Zbl 1191.68667号
[34] Mi，J.S。；梁，Y。；Wu，W.Z.，基于划分的模糊粗糙集的不确定性度量，国际通用系统杂志，3477-90（2005）·Zbl 1125.03309号
[35] 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）·兹比尔1076.68089
[36] 最小值，F。；He，H。；钱，Y。；Zhu，W.，测试敏感属性约简，信息科学，181，4928-4942（2011）
[37] 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Dordrecht·Zbl 0758.68054号
[38] Pawlak，Z.，《模糊性和不确定性：一个粗糙集的观点》，计算智能，11227-232（1995）
[39] Pawlak，Z.，基于知识的决策支持的粗糙集方法，《欧洲运筹学杂志》，99，48-57（1997）·Zbl 0923.90004号
[40] Pawlak，Z.，《粗糙集理论及其在数据分析中的应用》，《控制论与系统：国际期刊》，29661-688（1998）·Zbl 1008.03526号
[41] Pawlak，Z。；Skowron，A.，《粗糙集的基础》，信息科学，177，3-27（2007）·Zbl 1142.68549号
[42] Polkowski，L.，《粗糙集：数学基础》（2002），施普林格出版社·Zbl 1040.68114号
[43] 钱，Y。；Liang，J.，不完全信息系统中的组合熵和组合粒化，计算机科学讲义，4062184-190（2006）·Zbl 1196.68269号
[44] 钱，Y。；梁，J。；李，D。；Wang，F。；Ma，N.，不一致不完全决策表中的近似约简，基于知识的系统，23427-433（2010）
[45] 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
[46] 钱，Y。；梁，J。；Wang，F.，《测量不完全信息系统中不确定性的新方法》，《国际不确定性模糊性和基于知识的系统杂志》，17855-880（2009）·Zbl 1185.68715号
[47] Samanta，P。；Chakraborty，M.K.，《基于覆盖的粗糙集和蕴涵格方法》，《人工智能讲义》，5908127-134（2009）
[48] 沈（音）。；Jensen，R.，用模糊粗糙集选择信息特征及其在复杂系统监控中的应用，模式识别，371351-1363（2004）·Zbl 1070.68600号
[49] Shyng，J.Y。；谢赫·H·M。；Tzeng，G.H.，个人投资组合的粗糙集理论与形式概念分析相结合的集成方法，基于知识的系统，23586-597（2010）
[50] 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》，184，20-43（2012）
[51] Stefanowski，J。；Tsoukias，A.，《不完整信息表和粗略分类》，计算智能，17545-566（2001）
[52] Su，J.H。；Wang，B.W。；肖，C.Y。；Tseng，V.S.，《通过集成多个内容和协作信息实现基于粗糙集的个性化推荐》，《信息科学》，180，113-131（2010）
[53] Swiniarski，R。；Skowron，A.，特征选择和识别中的粗糙集方法，模式识别字母，24833-849（2003）·Zbl 1053.68093号
[54] Tsumoto，S.，基于粗糙集理论从临床数据库中自动提取医学专家系统规则，信息科学，112，67-84（1998）
[55] Wang，H。；Wang，S.，《发现调查数据库中缺失数据的模式：粗糙集的应用》，专家系统与应用，362256-2660（2009）
[56] Wierman，M.J.，《粗糙集理论中的测量不确定性》，《国际通用系统杂志》，28，283-297（1999）·Zbl 0938.93034号
[57] Wu，W。；张伟。；Li，H.，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）
[58] 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，1813878-3897（2011）·Zbl 1242.68258号
[59] 徐伟（Xu，W.）。；李，Y。；Liao，X.，《不一致有序信息系统中基于粗糙集和矩阵计算的属性约简方法》，基于知识的系统，27，78-91（2012）
[60] 姚，J。；Herbert，J.，《粗糙集金融时间序列分析》，应用软计算，9，1000-1007（2009）
[61] 姚义勇，邻域算子和粗糙集近似算子的关系解释，信息科学，111239-259（1998）·Zbl 0949.68144号
[62] Yao，Y.Y.，信息粒化和粗糙集近似，《国际智能系统杂志》，16，87-104（2001）·Zbl 0969.68079号
[63] 姚义勇，关于粗糙集逼近及其相关测度的注记，浙江海洋大学学报（自然科学版），29399-410（2010）
[64] Yao，Y.Y.，《概率粗糙集的三向决策》，信息科学，180，341-353（2010）
[65] Yao，Y.Y.，概率粗糙集模型中三方决策的优势，信息科学，1811080-1096（2011）·Zbl 1211.68442号
[66] Zadeh，L.，模糊集与信息粒度，模糊集理论与应用进展，11，3-18（1979）
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。