×
舒文浩;沈鸿

利用属性集的变化更新不完备决策系统的属性约简。 （英语） Zbl 1316.68193号

国际J近似推理 55，第3期，867-884（2014）.
摘要：在粗糙集理论中，属性约简在具有多个属性的数据可用的应用中是一个具有挑战性的问题。此外，由于决策系统中数据收集的动态特性，属性约简将随着决策系统中属性集的变化而动态变化。如何利用已有信息进行更新属性约简是提高知识发现效率的重要任务。鉴于属性集可变的不完备决策系统中的属性约简算法至今尚未被讨论。本文重点研究了基于正区域的属性约简算法，以有效地解决具有动态变化属性集的不完全决策系统中的属性约简问题。我们首先引入一种增量方法来计算新的正区域和公差类。因此，在计算出的正区域和容差类的基础上，分别提出了在不完全决策系统中添加和删除属性集时如何计算新属性约简的相应属性约简算法。最后，在UCI的不同数据集上进行了数值实验，验证了所提算法在不完备决策系统中随着属性集的变化而变化的有效性和效率。

引用于15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;属性约简;不完备决策系统;正区域;动态属性集

软件：

RRIA公司
PDF格式BibTeX公司 XML格式引用
\textit{W.Shu}和\textit{H.Shen}，《国际近似推理》55，第3期，867--884（2014；Zbl 1316.68193）
全文： 内政部

参考文献：

[1] Grzymala-Busse，J.W.，《不完全数据的特征关系：不可分辨关系的推广》，（第四届国际粗糙集会议论文集和计算当前趋势（2004）），244-253·Zbl 1103.68849号
[2] Dash，M。；Liu，H.，特征选择中基于一致性的搜索，Artif。智力。，151, 1-2, 155-176 (2003) ·Zbl 1082.68791号
[3] Qian，Y.H。；Liang，J.Y。；佩德里茨，W。；Dang，C.Y.，《正近似：粗糙集理论中属性约简的加速器》，Artif。智力。，174, 9-10, 597-618 (2010) ·Zbl 1205.68310号
[4] Bazan，J.G.，《从决策表中提取规律的动态和非动态粗糙集方法的比较》，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第1卷（1998年），Physica-Verlag），321-365·Zbl 1067.68711号
[5] 李·T。；马，J。；Xu，Y。；Yang，N.，《不完备信息系统中的属性泛化方法》（2003年IEEE机器学习和控制论国际会议论文集（2003）），1698-1703
[6] 郑，Z。；Wang，G.，RRIA：基于粗糙集和规则树的增量知识获取算法，Fundam。通知。，59, 2-3, 299-313 (2004) ·Zbl 1098.68711号
[7] Jain，A.K。；Duin，R.P.W。；Mao，J.C.，《统计模式识别：综述》，IEEE Trans。模式分析。机器。智力。，22, 1, 4-37 (2000)
[8] Kryszkiewicz，M.，不完全信息系统的粗糙集方法，信息科学。，112, 1-4, 39-49 (1998) ·Zbl 0951.68548号
[9] 张，S.C。；秦，Z.X。；Ling，C.X。；Sheng，S.L.，《Missing is functive:Missing values in cost sensitive decision trees》，IEEE Trans。知识。数据工程，17，1689-1693（2005）
[10] Liang，J.Y。；Xu，Z.B.，不完备信息系统中的知识约简算法，国际不确定性杂志。模糊知识-基于系统。，10, 1, 95-103 (2002) ·Zbl 1085.68696号
[11] Yao，Y.Y.，概率粗糙集近似，Int.J.近似推理。，49, 2, 255-271 (2008) ·Zbl 1191.68702号
[12] 孟振强。；石振中，基于容差关系的粗糙集不完备决策系统中属性约简的快速方法，信息科学。，179, 16, 2774-2793 (2009) ·兹比尔1191.68667
[13] Sun，L。；徐建川。；Tian，Y.，《不完备决策系统中基于粗糙熵的不确定性测度的特征选择》，Knowl-基于系统。，36206-216（2012年）
[14] Qian，Y.H。；Liang，J.Y。；Li，D.Y。；Wang，F。；Ma，N.N.，不一致不完全决策表中的近似约简，Knowl-基于系统。，23, 5, 427-433 (2010)
[15] 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168号、第1号、第164-180号决议（2006年）·Zbl 1136.68528号
[16] Qian，Y.H。；Liang，J.Y。；佩德里茨，W。；Dang，C.Y.，粗糙集框架中不完全数据属性约简的高效加速器，模式识别。，44, 8, 1658-1670 (2011) ·Zbl 1218.68152号
[17] Jensen，R。；沈，Q，更多功能更好吗？对使用模糊粗糙集进行属性约简的响应，IEEE Trans。模糊系统。，17, 6, 1456-1458 (2009)
[18] 布鲁姆，A。；Langley，P.，《机器学习中相关特征和示例的选择》，Artif。智力。，97, 1-2, 245-271 (1997) ·Zbl 0904.68142号
[19] 霍尔，医学硕士。；Holmes，G.，离散类数据挖掘的基准属性选择技术，IEEE Trans。知识。数据工程，15，6，1437-1447（2003）
[20] Cheng，Y.，快速计算粗糙模糊近似的增量方法，数据知识。工程师，70，1，84-100（2011）
[21] 胡，F。；王国勇。；黄，H。；Wu，Y.，基于初等集的增量属性约简， （第十届粗糙集、模糊集、数据挖掘和粒度计算国际会议论文集。第十届粗集、模糊集合、数据挖掘与粒度计算国际大会论文集，加拿大里贾纳。第十届粗糙集、模糊集、数据挖掘和粒度计算国际会议论文集，加拿大里贾纳，LNCS，第3641卷（2005）），185-193·兹比尔1134.68471
[22] Yang，M.，基于改进区分矩阵的属性约简增量更新算法，Chin。J.Comp.公司。，30, 5, 815-822 (2007)
[23] 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, 8, 1341-1347 (2011)
[24] Liang，J.Y。；Wang，F。；Dang，C.Y.，应用粗糙集技术进行特征选择的组增量方法，IEEE Trans。知识。数据工程（2012）
[25] Chen，H.M。；李·T·R。；Ruan，D.，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，25，2，274-284（2013）
[26] 陈，H。；李·T。；乔·S。；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，Int.J.Intell。系统。，25, 1005-1026 (2010) ·Zbl 1211.68420号
[27] Wang，F。；Liang，J.Y。；Dang，C.Y.，动态数据集的属性约简，应用。软计算。，13, 1, 676-689 (2013)
[28] 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, 4, 620-635 (2012) ·Zbl 1255.68160号
[29] 李·T。；Ruan，D.，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, 5, 485-494 (2007)
[30] Wang，F。；Liang，J.Y。；Qian，Y.H.，《属性约简：维度增量策略》，Knowl-基于系统。，39, 95-108 (2013)
[31] Kryszkiewicz，M。；Lasek，P.，FUN：快速发现在功能上决定决策属性的最小属性集，Trans。粗糙集，976-95（2008）
[32] 胡庆华。；Pan，W.W.，单调分类的特征选择，IEEE Trans。模糊系统。，209-81年1月20日（2012年）
[33] 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
[34] 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，系统。Hum.，40，2，420-431（2010）
[35] Grzymala-Busse，J.W。；Clark，P.G。；Kuehnhausen，M.，《不完全数据的广义概率近似》，国际期刊近似推理。(2013)
[36] Shin，K。；费尔南德斯，D。；Miyazaki，S.，《特征选择的一致性度量：形式定义、相对灵敏度比较和快速算法》，（第22届国际人工智能联合会议论文集。第22届人工智能国际联合会议论文集中，西班牙巴塞罗那（2011）），1491-1497
[37] 最小值，F。；胡庆华。；Zhu，W.L.，带测试成本约束的特征选择，国际期刊近似原因。(2013)
[38] 卡米亚布，S。；埃夫特哈里，M。；Anaraki，J.R.，一种基于粗糙集的新型差异性度量及其在多模态优化中的应用，（第16届CSI人工智能与信号处理国际研讨会论文集，AISP（2012）），180-185
[39] Qian，Y.H。；张，H。；Sang，Y.L。；Liang，J.Y.，多粒度决策理论粗糙集，Int.J.近似推理。(2013)
[40] 钱，J。；Miao，D。；张，Z。；李伟，基于不可分辨和可分辨关系的属性约简混合方法，国际期刊近似推理。，52, 2, 212-230 (2011) ·Zbl 1214.68297号
[41] 关，J.W。；贝尔，D.A.，《信息系统的粗糙计算方法》，Artif。智力。，105, 1-2, 77-103 (1998) ·Zbl 0909.68047号
[42] Yang，T。；李庆光，关于覆盖广义粗糙集近似空间的约简，国际J近似推理。，51, 3, 335-345 (2010) ·Zbl 1205.68433号
[43] 机器、U.C.I、学习库
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。