刘邓;李天瑞;张俊波 动态不完备信息系统中基于粗糙集的增量知识学习方法。 （英语） Zbl 1433.68449号 国际J近似推理 55，第8期，1764-1786（2014）. 摘要：随着当今数据集的快速增长，信息系统中的对象集可能会在新信息到来时及时演化。为了处理实际决策问题中的缺失数据和不完全信息，提出了一种基于矩阵的动态不完全信息系统增量方法。将四种不同扩展关系（容差关系、相似关系、有限容差关系和特征关系）下的三个矩阵（支持矩阵、精度矩阵和覆盖矩阵）引入到不完备信息系统中，用于动态诱导知识。示例显示了所提出的知识更新方法的过程。对九个UCI数据集和一个包含数百万记录的大数据集进行了广泛的实验评估，验证了我们提出的方法的可行性。 引用于14文件 MSC公司： 68层37 人工智能背景下的不确定性推理 关键词：粗糙集理论;不完整的信息系统;增量学习;知识发现 软件：LERS公司;RRIA公司 PDF格式BibTeX公司 XML格式引用 \textit{D.Liu}等人，《国际近似推理》55，第8期，1764-1786（2014；Zbl 1433.68449） 全文： 内政部 参考文献： [1] Bang，W.C。；Bien，Z.，粗糙集理论框架下的新增量学习算法，国际模糊系统杂志。，1, 25-36 (1999) [2] 巴赞，J。；Nguyen，H.S。；Nguyen，S.H。；Synak，P。；Wroblewski，J.，分类问题中的粗糙集算法，（Polkowski；et al.，Rough set Methods and Applications：信息系统中知识发现的新发展。Rough set Methods and Applications：信息系统中知识发现的新发展，Fuziness and Soft Computing Studies（2000）），49-88·Zbl 0992.68197号 [3] Blaszczynski，J。；Slowinski，R.，《基于优势的粗糙近似的决策规则增量归纳》，电子。理论注释。计算。科学。，82, 40-51 (2003) ·Zbl 1270.68308号 [4] Cattaneo，G。；Ciucci，D.，《关于不完备信息系统中相似性和排除粗糙近似的时间单调性的研究》，（第四届国际粗糙集会议论文集和计算的当前趋势。第四届粗糙集和计算中的当前趋势国际会议论文集，LNAI，第3066卷（2004））， 38-48 ·Zbl 1103.68835号 [5] Chan，C.C.，《不确定性下从示例中增量学习产生式规则：粗糙集方法》，Int.J.Softw。工程知识。工程，1439-461（1991） [6] Chan，C.C.，数据挖掘中属性泛化的粗糙集方法，信息科学。，107, 177-194 (1998) [7] Chen，H.M。；李·T·R。；乔，S.J。；Ruan，D.，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，Int.J.Intell。系统。，25, 1005-1026 (2010) ·Zbl 1211.68420号 [8] Chen，H.M。；李·T·R。；阮，D。；Lin，J.H。；Hu，C.X.，动态维护环境下更新近似值的基于粗糙集的增量方法，IEEE Trans。知识。数据工程，25274-284（2013） [9] Cheng，Y.，快速计算粗糙模糊近似的增量方法，数据知识。工程师，70，84-100（2011） [10] Ciucci，D.，《粗糙集动力学分类》，（第七届国际粗糙集与当前计算趋势会议论文集。第七届国际粗糙集与当前计算趋势会议论文集，LNAI，第6086卷（2010）），257-266 [11] Ciucci，D.，《基于覆盖的粗糙集的时间动力学》，（第五届粗糙集与知识技术国际会议论文集，第五届国际粗糙集和知识技术会议论文集），LNAI，第6401卷（2010），126-133 [12] Ciucci，D.，粗糙集中的属性动力学（ISMIS11论文集）。ISMIS11会议记录，LNCS，第6804卷（2011）），43-51 [13] Ciucci，D.，信息表中的时间动态，Fundam。通知。，115, 57-74 (2012) ·Zbl 1237.68212号 [14] 范，Y。；Tseng，T。；Chern，C。；Huang，C.，基于增量粗糙集的规则归纳，专家系统。申请。，36, 11439-11450 (2009) [15] Grzymala-Busse，J.W.，《不确定性下的知识获取——粗糙集方法》，J.Intell。机器人。系统。，1, 3-16 (1988) [16] Grzymala-Busse，J.W.，规则归纳系统LERS的新版本，Fundam。通知。，31, 27-39 (1997) ·兹伯利0882.68122 [17] Grzymala-Busse，J.W。；Siddhaye，S.，从不完全数据中归纳规则的粗糙集方法，（基于知识的系统中信息处理和不确定性管理国际会议（2004）），923-930 [18] Grzymala-Busse，J.W.，《缺少属性值的数据：不可分辨关系的泛化和规则归纳》，Trans。粗糙集I，78-95（2004）·Zbl 1104.68759号 [19] Grzymala-Busse，J.W.，《不完全数据的特征关系：不可分辨关系的推广》，Trans。粗糙集，IV，58-68（2005）·Zbl 1136.68531号 [20] Grzymala-Busse，J.W.，《缺失属性值的三种方法：粗糙集视角》，Stud.Comput。智力。，118, 139-152 (2008) ·Zbl 1156.68583号 [21] Grzymala-Busse，J.W.，《通过添加缺失的属性值诱导更好的规则集》，（《第六届国际粗糙集会议论文集和计算中的当前趋势》，第六届计算中的粗糙集和当前趋势国际会议论文集，LNAI，第5306卷（2008）），160-169 [22] Grzymala-Busse，J.W。；Grzymala-Busse，W.J.，《增加数据集的不完整性-诱导更好规则集的策略》，Stud.Compute。智力。，262, 345-365 (2010) ·Zbl 1185.68528号 [23] 郭，S。；王Z.Y。；吴振聪。；Yam，H.P.，基于粗糙集理论的新型动态增量规则提取算法，（第四届机器学习与控制论国际会议论文集（2005），IEEE出版社），1902-1907 [24] 胡，F。；王国勇。；黄，H。；Wu，Y.，基于初等集的增量属性约简，（RSFDGrC2005。RSFDGrC2005，LNAI，第3641卷（2005）），185-193·兹比尔1134.68471 [25] 胡永川。；Tzeng，G.H。；陈春明，从模糊序列模式挖掘中的知识导出两阶段学习序列，信息科学。，159, 69-86 (2004) [26] Han，J。；Kamber，M.，《数据挖掘：概念和技术》（2006），摩根·考夫曼·Zbl 1445.68004号 [27] Hsu，P.Y。；Chen，Y.L。；Ling，C.C.，在行李数据库中挖掘关联规则的算法，信息科学。，166, 31-47 (2004) ·Zbl 1101.68521号 [28] 易卜拉欣，J.G。；Chen，M.H。；Lipsitz，S.R。；Herring，A.H.，《广义线性模型的缺失数据方法：比较综述》，美国统计协会，100332-346（2005）·Zbl 1117.62360号 [29] M.Khan。；Banerjee，M.，多源近似系统中粗糙集的形式推理，国际近似推理杂志。，第49页，第466-477页（2008年）·Zbl 1191.68684号 [30] 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 [31] 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 [32] 拉古斯，K。；Kaski，S。；Kohonen，T.，《通过WEBSOM方法挖掘海量文档集》，Inf.Sci。，163, 135-156 (2004) [33] 梁，Y。；Wu，W.Z。；Zhang，W.X.，《不完备信息系统中的知识获取：粗糙集方法》，欧洲期刊Oper。第168164-180号决议（2006年）·Zbl 1136.68528号 [34] 李海霞。；Wang，M.H。；周，X.Z。；赵建斌，从不完全信息表中学习规则的区间集模型，国际期刊近似推理。，53, 24-37 (2012) ·兹比尔1242.68235 [35] Li，J.H。；梅，C.L。；Lv，Y.J.，《不完全决策情境：近似概念构建、规则获取和知识约简》，《国际期刊近似推理》。，54149-165（2013年）·Zbl 1266.68172号 [36] Li，S.Y。；李·T·R。；Liu，D.，对象集变化下基于优势的粗糙集方法中近似值的动态维护，Int.J.Intell。系统。，28729-751（2013） [37] Li，S.Y。；李·T·R。；Liu，D.，属性集变化下基于优势的粗糙集方法中的增量更新近似，Knowl-基于系统。，40, 17-26 (2013) [38] 李·T·R。；Yang，N。；Xu，Y。；Ma，J.，《不完备信息系统中挖掘分类规则的增量算法》（NAFIPS（2004），IEEE出版社），446-449 [39] 李·T·R。；阮，D。；Geert，W。；宋，J。；Xu，Y.，数据挖掘中基于粗糙集的动态属性泛化特征关系方法，Knowl-基于系统。，20, 485-494 (2007) [40] 李毅。；朱，S。；Wang，X.S。；Jajodia，S.，《寻找时间的种子：发现大型事务集中的时间模式》，《信息科学》。，176, 1003-1031 (2006) ·Zbl 1093.68084号 [41] Lipski，W.J.，《关于与不完整信息数据库相关的语义问题》，ACM Trans。数据库系统。，4, 262-296 (1979) [42] 刘博士。；胡，P。；江春珍，基于完整信息系统的VPRS增量学习方法，（2010年粗糙集与知识技术国际会议论文集（2008）），276-283 [43] 刘博士。；李·T·R。；阮，D。；Zou，W.L.，从动态信息系统中引入知识的增量方法，Fundam。通知。，94, 245-260 (2009) ·Zbl 1192.68530号 [44] 刘博士。；李·T·R。；阮，D。；Zhang，J.B.，《动态商业智能系统中知识发现的增量学习优化》，J.Glob。最佳。，51, 325-344 (2011) ·Zbl 1230.90113号 [45] 刘博士。；李·T·R。；Chen，H.M。；Ji，X.L.，基于属性值变化的知识增量学习方法，（第四届智能系统与知识工程国际会议论文集（2009）），94-99 [46] 刘博士。；李·T·R。；刘国荣。；Hu，P.，基于属性值变化的有趣增量知识诱导方法，（2009 IEEE粒度计算国际会议论文集（2009）），415-418 [47] 刘博士。；Zhang，J.B。；Li，T.R.，属性变化增量学习知识的概率粗糙集方法，（2010年计算智能基础与应用国际会议论文集（2010）），722-727 [48] 刘博士。；李·T·R。；Zhang，J.B.，电子商务系统中属性值粗化和细化下的规则归纳增量方法，（2010年电子商务智能国际会议论文集（2010）），541-547 [49] 刘博士。；李·T·R。；阮，D.，具有决策论粗糙集的概率模型准则，信息科学。，181, 3709-3722 (2011) [50] 刘博士。；Liang，D.C.，《粗糙集理论的增量学习研究：现状与未来》，国际粗糙集杂志。数据分析。，1, 99-112 (2014) [51] 刘博士。；李·T·R。；Liang，D.C.，《将逻辑回归纳入分类的决策理论粗糙集》，《国际期刊近似原因》。，55, 197-210 (2014) ·Zbl 1316.68185号 [52] 罗，C。；李·T·R。；Chen，H.M。；Liu，D.，集值有序信息系统中更新近似的增量方法，Knowl-基于系统。，50, 218-233 (2013) [53] 罗，C。；李·T·R。；张建斌，属性泛化下集值有序决策系统近似值的动态维护，信息科学。，257210-228（2014）·Zbl 1320.68142号 [54] 梅斯特哈姆，C。；Pazzani，M.J.，《使用在线算法的主动学习》，（第17届ACM SIGKDD知识发现和数据挖掘国际会议论文集（2011）），850-858 [55] Michalski，R.S。；Mozitic，I。；Hong，J。；Lavrac，N.，《多用途增量学习系统AQ15及其在三个医学领域的测试应用》（AAAI-86（1986）会议录），1041-1045 [56] Orlowska，E.，《动态信息系统》，Fundam。通知。，5, 101-118 (1982) ·Zbl 0525.68014号 [57] Pagliani，P.，《前政治和动态空间》，Fundam。通知。，59, 221-239 (2004) ·Zbl 1098.68131号 [58] Pawlak，Z.，《粗糙集》，《国际计算杂志》。信息科学。，11, 341-356 (1982) ·Zbl 0501.68053号 [59] 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 [60] Pawlak，Z.，《粗糙集，决策算法和贝叶斯定理》，欧洲期刊Oper。第136181-189号决议（2002年）·Zbl 1089.68127号 [61] Pawlak，Z。；Skowron，A.，《粗糙集的基础》，《信息科学》。，177, 3-27 (2007) ·Zbl 1142.68549号 [62] Pawlak，Z。；Skowron，A.，《粗糙集：一些扩展》，《信息科学》。，177, 28-40 (2007) ·兹比尔1142.68550 [63] Qian，Y.H。；Liang，J.Y。；Yao，Y.Y。；Dang，C.Y.，MGRS：多粒度粗糙集，信息科学。，180, 949-970 (2010) ·Zbl 1185.68695号 [64] Qian，Y.H。；Liang，J.Y。；Dang，C.Y.，不完全多粒度粗糙集，IEEE Trans。系统。人类网络。，A部分，40，420-431（2010） [65] Qian，Y.H。；Liang，J.Y。；维托尔德，P。；Dang，C.Y.，《正近似：粗糙集理论中属性约简的加速器》，Artif。智力。，174, 597-618 (2010) ·Zbl 1205.68310号 [66] Rauszer，C.，《多智能体系统的粗糙逻辑》（logic at Work 1992）。《工作中的逻辑》1992，LNCS，第808卷（1994年），161-181 [67] Saar-Tschechansky，M。；Provost，F.，《应用分类模型时处理缺失值》，J.Mach。学习。第8号决议，1623-1657（2007）·Zbl 1222.68295号 [68] Shan，L。；Ziarko，W.，分类规则的基于数据的获取和增量修改，计算机。智力。，11, 357-370 (1995) [69] Stefanowski，J。；Tsoukias，A.，《不完全信息下粗糙集的扩展》，（第七届粗糙集、数据挖掘和粒度软件计算新方向国际研讨会论文集（1999）），73-81 [70] Stefanowski，J。；Tsoukias，A.，《不完整信息表和粗略分类》，计算机。智力。，17, 545-566 (2001) [71] Tong，L.Y。；An，L.P.，《基于粗糙集理论的决策规则增量学习》（2002年世界智能控制与自动化大会论文集），420-425 [72] Tsumoto，S.，使用粗糙集模型从临床数据库中提取专家决策过程，（1997年《PKDD学报》），58-67 [73] Tsumoto，S.，《粗糙集规则归纳中的准确性和覆盖率》，（第三届国际粗糙集会议论文集和当前计算趋势，第三届粗糙集和当前计算机趋势国际会议论文集，LNAI，第2475卷（2002）），373-380·Zbl 1013.68567号 [74] 王国勇，不完备信息系统下粗糙集的扩展，（2002年IEEE模糊系统国际会议论文集（2002）），1098-1103 [75] Wang，G.Y。；关，L.H。；Hu，F.，不完全信息系统中的粗糙集扩展，前沿。选举人。电子。中国工程，3399-405（2008） [76] Wong，S.K.M。；Ziarko，W。；Pawlak，Z.，归纳学习算法，布尔。波兰。阿卡德。科学。，科技。，34, 271-276 (1986) [77] Xu，Y.T。；Wang，L.S。；Zhang，R.Y.，基于0-1整数规划的动态属性约简算法，Knowl-基于系统。，24, 1341-1347 (2011) [78] 姚义勇，有限宇宙中粗糙集理论的两种观点，国际近似理性杂志。，15, 291-317 (1996) ·Zbl 0935.03063号 [79] 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 [80] Zhang，J.B。；李·T·R。；阮，D。；Liu，D.，动态数据挖掘的邻域粗糙集，国际计算杂志。智力。系统。，27, 317-342 (2012) [81] Zhang，J.B。；李·T·R。；阮，D。；Liu，D.，集值信息系统中基于粗糙集的动态属性变化矩阵方法，国际期刊近似推理。，53, 620-635 (2012) ·Zbl 1255.68160号 [82] Zhang，J.B。；李·T·R。；阮，D。；高Z.Z。；赵春斌，计算粗糙集近似的并行方法，信息科学。，194209-223（2012年） [83] 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) ·兹比尔1320.68156 [84] Zhang，J.B。；Wong，J.S。；李·T·R。；Pan，Y.，《在不同MapReduce运行时系统上使用粗糙集理论进行并行大规模知识获取的比较》，《国际期刊近似推理》。，55, 896-907 (2014) [85] 郑，Z。；Wang，G.Y.，RRIA：基于粗糙集和规则树的增量知识获取算法，Fundam。通知。，59, 299-313 (2004) ·Zbl 1098.68711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。