×
江泽华;刘克余;杨喜蓓;于华龙;哈米多·富士塔;钱玉华

基于监督邻域的属性约简加速器。 （英语） Zbl 1434.68573号

国际J近似推理 119, 122-150 (2020).
摘要：在邻域粗糙集中，半径是一个关键因素。不同的半径可能会产生不同的邻域关系来区分样本。不幸的是，具有不同标签的两个样本可能被认为是不可区分的，这主要是因为邻域关系并不总是提供令人满意的区分性能。此外，需要注意的是，获得多个不同半径的约简的过程非常耗时，主要是因为不同半径意味着不同的约简，并且应该分别搜索这些约简。为了解决上述问题，不仅提出了一种监督邻域关系以获得更好的鉴别性能，而且还设计了一个加速器以加快获取约简的过程。首先，提出类内半径和类间半径来区分样本。与以前的方法不同，我们考虑了样本的标签，这就是为什么我们的方法被称为基于监督邻域的策略。其次，从半径变化的角度出发，设计了一种加速器，旨在快速获得多个基于半径的约简。这种机制基于这样一种考虑，即根据先前半径进行的还原可能会指导根据当前半径进行还原的过程。对12个UCI数据集的实验结果表明：1）与传统的基于伪拉格邻域的约简相比，我们的监督邻域约简能够提供更高的分类精度；2） 我们的加速器可以显著缩短获得还原所需的时间。这项研究提出了考虑邻域粗糙集相关主题的新趋势。

引用于12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：

加速器;近似质量;属性约简;条件熵;监督邻域关系;邻域粗糙集

软件：

伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{Z.Jiang}等人，《国际近似推理》119，122-150（2020；Zbl 1434.68573）
全文： 内政部

参考文献：

[1] Afridi，M.K。；北阿扎姆。；Yao，J.T。；Alanazi，E.，《使用GTRS处理缺失数据的三向聚类方法》，《国际期刊近似原因》。，98, 11-24 (2018) ·Zbl 1451.62070号
[2] Afridi，M.K。；北阿扎姆。；Yao，J.T.，处理重叠聚类的基于方差的三元聚类方法，国际期刊近似原因。，118, 47-63 (2019) ·Zbl 1434.68566号
[3] Chang，C.C。；Lin，C.J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术。，2, 1-27 (2011)
[4] Chen，D.G。；Yang，Y.Y.，基于经典和模糊粗糙集模型组合的异构数据属性约简，IEEE Trans。模糊系统。，22, 1325-1334 (2014)
[5] Chen，D.G。；Yang，Y.Y。；Dong，Z.，变精度粗糙集属性约简的增量算法，应用。软计算。，45129-149（2016）
[6] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[7] Dai，J.H。；Wang，W.T。；田海伟。；Liu，L.，基于不完备决策系统的新条件熵的属性选择，Knowl-基于系统。，39207-213（2013）
[8] Dai，J.H。；吴琼。；Wang，W.T。；田海伟，不完备决策系统的条件熵及其在数据挖掘中的应用，国际遗传系统杂志。，41, 713-728 (2012) ·Zbl 1277.68265号
[9] 冯，F。；Fujita，H。；M.I.阿里。；Yager，R.R。；Liu，X.Y.，关于广义直觉模糊软集及其相关多属性决策方法的另一种观点，IEEE Trans。模糊系统。，27, 474-488 (2019)
[10] Fujita，H。；盖塔，A。；Loia，V。；Orciuoli，F.，《反恐活动中的假设分析与评估：基于Owa和模糊概率粗糙集的方法》，IEEE Trans。模糊系统。（2019），出版中
[11] Fujita，H。；盖塔，A。；Loia，V。；Orciuoli，F.，《关键基础设施的弹性分析：基于粒度计算的认知方法》，IEEE Trans。赛博。，49, 1835-1848 (2019)
[12] 范，J。；蒋永乐（Jiang，Y.L.）。；刘勇，广义不可分辨模型快速属性约简，信息科学。，397-398, 15-36 (2017)
[13] Ge，H。；Li，L.S。；Xu，Y。；Yang，C.J.，不一致决策表的快速通用约简算法，国际期刊近似原因。，82, 56-80 (2017) ·Zbl 1404.68162号
[14] 胡庆华。；Liu，J.F。；Yu，D.R.，基于粒化和近似的混合特征选择，Knowl-基于系统。，21, 294-304 (2008)
[15] 胡庆华。；佩德里茨，W。；Yu，D.R。；Lang，J.，基于邻域决策误差最小化选择离散和连续特征，IEEE Trans。系统。人类网络。，B部分，网络。，40, 137-150 (2010)
[16] 胡庆华。；Yu，D.R。；Liu，J.F。；吴春霞，基于邻域粗糙集的异质特征子集选择，信息科学。，178, 3577-3594 (2008) ·兹比尔1154.68466
[17] 胡庆华。；Yu，D.R。；谢振新，邻里分类器，专家系统。申请。，34, 866-876 (2008)
[18] 胡庆华。；Yu，D.R。；Xie，Z.X。；Liu，J.F.，模糊概率近似空间及其信息测度，IEEE Trans。模糊系统。，16, 549-551 (2006)
[19] 胡庆华。；张，L。；Chen，D.G。；佩德里茨，W。；Yu，D.R.，基于高斯核的模糊粗糙集：模型，不确定性度量和应用，国际期刊近似推理。，51, 453-471 (2010) ·Zbl 1205.68424号
[20] 胡庆华。；张立杰。；周，Y.C。；Pedrycz，W.，用多核模糊粗糙集进行大尺度多模态属性约简，IEEE Trans。模糊系统。，26, 226-238 (2018)
[21] Ju，H.R。；佩德里茨，W。；李海霞。；丁，W.P。；杨晓波（Yang，X.B.）。；Zhou，X.Z.，具有合理粒度的顺序三元分类器，Knowl-基于系统。，163, 103-119 (2019)
[22] 贾晓云。；Shang，L。；周，B。；姚义勇，粗糙集理论中的广义属性约简，Knowl-基于系统。，91, 204-218 (2016)
[23] 姜振华。；杨晓波（Yang，X.B.）。；Yu，H.L。；刘，D。；王，P.X。；Qian，Y.H.，多粒度属性约简加速器，Knowl-基于系统。，177, 145-158 (2019)
[24] Ju，H.R。；杨晓波（Yang，X.B.）。；Yu，H.L。；李·T·J。；Yu，D.J。；Yang，J.Y.，成本敏感粗糙集方法，信息科学。，355-356, 282-298 (2016) ·Zbl 1427.68315号
[25] Ko，Y.C。；Fujita，H.，《大数据样本中隐藏信息的证据分析：半导体制造业案例研究》，《信息科学》。，486, 190-203 (2019)
[26] Liang，J.Y。；Chin，K.S。；Dang，C.Y。；Yam Richard，C.M.，《粗糙集理论中测量不确定性和模糊性的新方法》，《国际遗传系统》。，331-342（2002年）·Zbl 1010.94004号
[27] Lee，C。；Landgrebe，D.A.，基于决策边界的特征提取，IEEE Trans。模式分析。机器。整数。，15, 388-400 (1993)
[28] 刘，D。；Liang，D.C.，《粗糙集理论的增量学习研究：现状与未来》，《国际粗糙集与数据分析》。，1, 99-112 (2014)
[29] Li，J.H.等人。；梅，C.L。；Xu，W.H。；Qian，Y.H.，《通过粒计算进行概念学习：认知观点》，《信息科学》。，298, 447-467 (2015) ·Zbl 1360.68688号
[30] Li，J.H。；任，Y。；梅，C.L。；Qian，Y.H。；Yang，X.B.，《通过规则获取对多粒度粗糙集和概念格的比较研究》，Knowl-基于系统。，91, 152-164 (2016)
[31] Liang，J.Y。；史志忠，粗糙集理论中的信息熵、粗糙熵和知识粒化，《国际不确定性杂志》。模糊知道-基于系统。，12, 37-46 (2004) ·Zbl 1074.68072号
[32] Liu，K.Y。；杨晓波（Yang，X.B.）。；Yu，H.L。；Mi，J.S。；王，P.X。；Chen，X.J.，基于粗糙集的集成选择器半监督特征选择，Knowl-基于系统。，165, 282-296 (2019)
[33] Liu，K.Y。；杨晓波（Yang，X.B.）。；Fujita，H。；刘，D。；Yang，X.先生。；Qian，Y.H.，多粒度属性约简的有效选择器，Inf.Sci。，505, 457-472 (2019)
[34] 李建中。；杨晓波（Yang，X.B.）。；宋，X.N。；Li，J.H.等人。；王，P.X。；Yu，D.J.，《邻域属性约简：一种多准则方法》，国际期刊Mach。学习。赛博。，10, 731-742 (2019)
[35] 最小值，F。；他，H.P。；Qian，Y.H。；Zhu，W.，测试敏感属性约简，信息科学。，181, 4928-4942 (2011)
[36] 最小值，F。；胡庆华。；Zhu，F.，带测试成本约束的特征选择，国际期刊近似原因。，55, 167-179 (2014) ·Zbl 1316.68117号
[37] Pawlak，Z.，Rousht集，国际计算机杂志。信息科学。，11, 341-356 (1982) ·Zbl 0501.68053号
[38] 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, 1658-1670 (2011) ·Zbl 1218.68152号
[39] 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。整数。，174, 597-618 (2010) ·Zbl 1205.68310号
[40] Sang，B.B。；郭永通。；Shi，D.R。；Xu，W.H.，多源决策系统的决策论粗糙集模型，Int.J.Mach。学习。赛博。，9, 1941-1954 (2018)
[41] 她，Y.H。；何，X.L。；史海霞。；Qian，Y.H.，多粒度粗糙集模型的多值逻辑方法，国际期刊近似推理。，82, 270-284 (2017) ·Zbl 1404.68174号
[42] 苏斯马加，R。；Slowinnski，R.，基于类间和类内信息的粗糙集约简和构造的生成，模糊集系统。，274, 124-142 (2015) ·Zbl 1373.68405号
[43] Tang，J.L。；胡，X。；高海杰。；Li，H.，无监督特征选择的判别分析，（2014年SIAM国际数据挖掘会议论文集。2014年SIAM国际数据挖掘大会论文集，宾夕法尼亚州费城（2014）），938-946
[44] Tang，J.L。；Liu，H.，链接社交媒体数据的无监督特征选择，（第18届ACM SIGKDD国际知识发现和数据挖掘会议论文集。第18届AC M SIGKDD国际知识发现与数据挖掘会议文献集，北京（2012）），904-912
[45] Tsang，E.C.C。；宋，J.J。；Chen，D.G。；Yang，X.B.，犹豫模糊近似空间上基于顺序的层次结构，Int.J.Mach。学习。赛博。，10, 1407-1422 (2019)
[46] Wang，C.Z。；黄，Y。；邵明伟。；Fan，X.D.，使用距离度量的基于模糊粗糙集的属性约简，Knowl-基于系统。，164, 205-212 (2019)
[47] Wang，C.Z。；何，Q。；邵，M.W。；胡庆华，基于最大邻域可辨性的特征选择，国际期刊。学习。赛博。，1929-1940年11月（2018年）
[48] Wang，C.Z。；胡庆华。；Wang，X.Z。；Chen，D.G。；Qian，Y.H。；Dong，Z.，基于邻域判别指数的特征选择，IEEE Trans。神经网络。学习。系统。，29, 2986-2999 (2018)
[49] Wu，W.Z。；Leung，Y.，《广义多尺度决策表中最优尺度组合选择的比较研究》，Int.J.Mach。学习。赛博。，12, 1-12 (2019)
[50] Wilson，D.R。；Martinez，T.R.，《改进的异质距离函数》，J.Artif。智力。决议，6，1-34（1997）·Zbl 0894.68118号
[51] Wu，W.Z。；Qian，Y.H。；李·T·J。；Gu，S.M.，《不完全多尺度决策表中的规则获取》，《信息科学》。，378, 282-302 (2017) ·Zbl 1429.68300号
[52] 魏伟（Wei，W.）。；Wang，J.H。；Liang，J.Y。；米，X。；Dang，C.Y.，基于属性约简的压缩决策表，Knowl-基于系统。，86, 261-277 (2015)
[53] 王，X。；Zhang，W.D。；刘，D。；Yu，H.L。；杨晓波（Yang，X.B.）。；杨，X.，伪标签决策理论粗糙集，数学。问题。工程，2019年1月16日（2019年）·Zbl 1435.91070号
[54] Xu，W.H。；郭永通，广义多粒度双定量决策理论粗糙集，Knowl-基于系统。，105, 190-205 (2016)
[55] Xu，W.H。；Li，W.T.，基于模糊数据集中形式概念分析的双向学习粒度计算方法，IEEE Trans。赛博。，46, 366-379 (2016)
[56] Xu，W.H。；Sun，W.X。；Liu，Y.F。；Zhang，W.X.，《两个宇宙上的模糊粗糙集模型》，国际J·马赫出版社。学习。赛博。，4631-645（2013）
[57] Xu，W.H。；Yu，J.H.，《多源数据集信息融合的新方法：粒度计算观点》，《信息科学》。，378, 410-423 (2017) ·Zbl 1429.68301号
[58] 徐世平。；王，P.X。；Li，J.H。；杨晓波（Yang，X.B.）。；Chen，X.J.，属性约简：一种集合策略，（2017年国际粗糙集联合会议论文集。2017年国际粗集联合会议文献集，Olsztyn（2017）），362-375
[59] 徐世平。；杨晓波（Yang，X.B.）。；宋，X.N。；Yu，H.L.，通过降低最近邻错误率对蛋白质结构分类的预测，（2015年机器学习和控制论国际会议论文集。2015年广州国际机器学习与控制论会议论文集（2015）），7-13
[60] 徐世平。；杨晓波（Yang，X.B.）。；Yu，H.L。；Yu，D.J。；Yang，J.Y。；Tsang，E.C.C.，带标签特定特征约简的多标签学习，Knowl-基于系统。，104, 52-61 (2016)
[61] Yao，J.T。；Azam，N.，基于Web的医疗决策支持系统，用于使用游戏理论粗糙集进行三方医疗决策，IEEE Trans。模糊系统。，23, 3-15 (2015)
[62] Yang，X.先生。；李·T·R。；Fujita，H。；Liu，D.，《多类别决策的连续三方方法》，《国际期刊近似理由》。，104, 108-125 (2019) ·Zbl 1452.68237号
[63] 杨晓波（Yang，X.B.）。；Liang，S.C。；Yu，H.L。；高，S。；Qian，Y.H.，伪拉贝尔邻域粗糙集：度量与属性约简，国际期刊近似推理。，105, 112-129 (2019) ·Zbl 1452.68236号
[64] Yang，X.B。；Qi，Y.S。；宋，X.N。；杨建勇，测试成本敏感性多粒度粗糙集：模型和最小成本选择，信息科学。，250, 184-199 (2013) ·兹比尔1320.68197
[65] 杨晓波（Yang，X.B.）。；齐，Y。；Yu，H.L。；宋，X.N。；Yang，J.Y.，随着颗粒结构的增加更新多颗粒粗糙近似，Knowl-基于系统。，64, 59-69 (2014)
[66] Yang，X.B。；Yao，Y.Y.，用于属性约简的信号群选择器，应用。软计算。，70, 1-11 (2018)
[67] Yao，Y.Y。；张晓勇，粗糙集理论中的类属性约简，信息科学。，418-419, 601-618 (2017) ·Zbl 1436.68363号
[68] Yao，Y.Y。；赵勇，用于构造属性约简的区分矩阵简化，信息科学。，179, 867-882 (2009) ·Zbl 1162.68704号
[69] Yao，Y.Y。；Zhao，Y。；Wang，J.，《关于约简构造算法》，Trans。计算。科学。，二、 100-117（2008）·Zbl 1154.68513号
[70] 张庆华。；Lv，G.X。；Chen，Y.H。；Wang，G.Y.，基于属性值更新的动态三方决策模型，Knowl-基于系统。，142, 71-84 (2018)
[71] 张，X。；梅，C.L。；Chen，D.G。；Li，J.H.，混合数据中的特征选择：一种使用新型模糊粗糙集信息熵的方法，模式识别。，56, 1-15 (2016) ·Zbl 1412.68198号
[72] 张庆华。；Pang，G.H。；Wang，G.Y.，基于惩罚函数的新型顺序三方决策模型，Knowl-基于系统。（2019），出版中
[73] 张，Q.H。；Xia，D.Y。；刘克星。；Wang，G.Y.，基于启发式算法的模糊集决策理论三向近似的一般模型，Inf.Sci。，507, 522-539 (2020)
[74] 张，Q.H。；谢奇。；Wang，G.Y.，一个新的三方决策模型，使用效用理论的决策理论粗糙集，Knowl-基于系统。，159, 321-325 (2018)
[75] 张庆华。；杨，C.C。；Wang，G.Y.，具有直觉模糊数的顺序三元决策模型，IEEE Trans。系统。人类网络。系统。（2019），出版中
[76] 朱，P.F。；Zhu，W.C。；胡庆华。；张春秋。；Zuo，W.M.，基于子空间聚类的无监督特征选择，模式识别。，66, 364-374 (2017)
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。