×

用于动态数据挖掘的复合粗糙集。 (英语) Zbl 1320.68156号

摘要:作为一种软计算工具,粗糙集理论已经成为模式识别、数据挖掘和知识发现的流行数学框架。它只能通过使用特定的二元关系来处理信息系统中特定类型的属性。然而,在实际应用中,信息系统中可能存在多种不同类型的属性。这种信息系统在本文中称为复合信息系统。提出了一种复合关系,用于在复合信息系统中同时处理多个不同类型的属性。然后,提出了一种扩展的粗糙集模型,称为复合粗糙集。我们还重新定义了复合粗糙集中的下近似和上近似、正区域、边界区域和负区域。通过引入关系矩阵、决策矩阵和基本矩阵的概念,我们提出了基于矩阵的方法来计算复合信息系统中的近似区域、正区域、边界区域和负区域,这对于特征选择和知识发现至关重要。此外,结合增量学习技术,在动态复合信息系统中提出了一种基于矩阵的近似快速更新方法。在UCI和用户自定义数据集的不同数据集上的大量实验表明,该增量方法可以有效地处理大型数据集。

MSC公司:

68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Abu-Donia,H.M.,《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)
[2] Chan,C.C.,数据挖掘中属性泛化的粗糙集方法,信息科学,107,169-176(1998)
[3] Chen,H.M。;李·T·R。;乔,S.J。;Ruan,D.,基于粗糙集的属性值粗化和细化近似动态维护方法,国际智能系统杂志,251005-1026(2010)·Zbl 1211.68420号
[4] Chen,H.M。;李·T·R。;阮,D.,属性值粗化或细化时不完全有序决策系统中近似值的保持,基于知识的系统,31140-161(2012)
[5] Cheng,Y.,快速计算粗糙模糊近似值的增量方法,数据与知识工程,70,84-100(2011)
[6] Grzymala-Busse,J.,《不完全数据的特征关系:不可分辨关系的推广》,(Tsumoto,S.;Slowinski,R.;Komorowski,J.;Grzymalla-Buses,J.《计算中的粗糙集和当前趋势》,《计算机科学讲义》,第3066卷(2004),施普林格:施普林格柏林/海德堡),244-253·兹比尔1103.68849
[7] Grzymala-Busse,J.,《不完全数据的特征关系:不可分辨关系的推广》,(Peters,J.;Skowron,a.,《粗糙集交易》,第四卷,《粗糙集合交易》,计算机科学讲义,第3700卷(2005),Springer:Springer-Birlin/Heidelberg),58-68·Zbl 1136.68531号
[8] 关,Y。;Wang,H.,集值信息系统,信息科学,1762507-2525(2006)·Zbl 1101.68095号
[9] 胡,Q.H。;Liu,J.F。;Yu,D.R.,基于粒度和近似的混合特征选择,基于知识的系统,21294-304(2008)
[10] 胡庆华。;谢振新。;Yu,D.R.,基于新型模糊粗糙模型和信息粒化的混合属性约简,模式识别,403509-3521(2007)·Zbl 1129.68073号
[11] 胡庆华。;Yu,D.R。;Liu,J.F。;Wu,C.X.,基于邻域粗糙集的异质特征子集选择,信息科学,178,3577-3594(2008)·Zbl 1154.68466号
[12] 贾晓云。;Shang,L。;陈,J.J。;Dai,X.Y.,《增量与非增量:基于排序关系的数据和算法》,《国际计算智能系统杂志》,2011年第4期,第112-122页
[13] 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
[14] 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
[15] 梁,Y。;费舍尔,M.M。;Wu,W.Z。;Mi,J.S.,区间值信息系统中发现分类规则的粗糙集方法,国际近似推理杂志,47,233-246(2008)·Zbl 1184.68409号
[16] Li,S.Y。;李·T·R。;Liu,D.,属性集变化下基于支配权的粗糙集方法的增量更新近似,基于知识的系统,40,17-26(2013)
[17] 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,基于知识的系统,20485-494(2007)
[18] 刘,D。;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,《全球优化杂志》,51,325-344(2011)·Zbl 1230.90113号
[19] Liu,G.L.,粗糙集上近似运算的公理化,《信息基础》,69,331-342(2006)·Zbl 1096.68150号
[20] Liu,G.L.,粗糙集和模糊粗糙集的公理化系统,国际近似推理杂志,48857-867(2008)·Zbl 1189.03056号
[21] Mi,J.S。;张伟新,粗糙集模糊推广的公理化刻画,信息科学,160235-249(2004)·Zbl 1041.03038号
[23] Pawlak,Z.,《粗糙集:数据推理的理论方面,系统理论,知识工程和问题解决》,第9卷(1991年),Kluwer学术出版社:Kluwer-学术出版社Dordrecht·Zbl 0758.68054号
[24] Pawlak,Z。;Skowron,A.,粗糙集和布尔推理,信息科学,177,41-73(2007)·Zbl 1142.68551号
[25] Pawlak,Z。;Skowron,A.,《粗糙集:一些扩展》,《信息科学》,177,28-40(2007)·Zbl 1142.68550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] 钱,J。;Miao,D.Q。;张振华。;Li,W.,基于不可分辨和可分辨关系的属性约简混合方法,国际近似推理杂志,52,212-230(2011)·Zbl 1214.68297号
[28] Qian,Y.H。;Dang,C.Y。;梁建勇。;Tang,D.W.,集值有序信息系统,信息科学,179,2809-2832(2009)·Zbl 1192.68805号
[29] Qian,Y.H。;梁建勇。;佩德里茨,W。;Dang,C.Y.,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
[30] Qian,Y.H。;梁建勇。;Wang,F.,基于正逼近的不完全决策表特征选择加速算法,中国计算机学报,34435-442(2011)
[31] 北掸邦。;Ziarko,W.,基于数据的获取和分类规则的增量修改,计算智能,11357-370(1995)
[32] Stefanowski,J。;Tsoukiás,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,RSFDGrC’99(1999),Springer-Verlag:Springer-Verlag London,UK,UK),73-81
[33] Stefanowski,J。;Tsoukiás,A.,《不完整信息表和粗略分类》,计算智能,17545-566(2001)
[35] Wilson,D.R。;Martinez,T.R.,《改进的异质距离函数》,《人工智能研究杂志》,6,1-34(1997)·Zbl 0894.68118号
[36] 徐志勇。;刘振鹏。;Yang,B.R。;Song,W.,《一种复杂度为max的快速属性约简算法》(O(бCббUб),\(O(Cк^2бU/C\)),中国计算机杂志,29,391-398(2006)
[37] 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
[38] Zhang,J.B。;李·T·R。;Chen,H.M.,复合粗糙集,(Lei,J.;Wang,F.;Deng,H.;Miao,D.,《人工智能和计算智能》,《计算机科学讲义》,第7530卷(2012),Springer:Springer-Blinl/Heidelberg),150-159
[39] Zhang,J.B。;李·T·R。;阮,D。;Liu,D.,动态数据挖掘的邻域粗糙集,《国际智能系统杂志》,27,317-342(2012)
[40] 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,国际近似推理杂志,53,620-635(2012)·Zbl 1255.68160号
[41] Zhang,J.B。;李·T·R。;Yang,Y。;Wang,L.,基于邻域粗糙集的近似计算矩阵方法,(第六届粗糙集与知识技术国际会议论文集,RSKT'11(2011),施普林格出版社:施普林格出版社,海德堡),166-171
[42] 郑,Z。;Wang,G.Y.,RRIA:一种基于粗糙集和规则树的增量知识获取算法,《基础信息》,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。