胡庆华;张磊;陈德刚;维托尔德·佩德里茨;于达伦 基于高斯核的模糊粗糙集：模型、不确定性度量和应用。 （英语） Zbl 1205.68424号 国际J近似推理 51，第4期，453-471（2010）. 摘要：核方法和粗糙集是机器学习和智能系统领域的两大研究方向。核方法将数据映射到高维特征空间，在该空间中，分类任务的结果结构是线性可分的；而粗糙集利用关系将宇宙颗粒化，并利用归纳知识颗粒来近似当前问题中存在的任意概念。虽然这两种方法之间似乎没有联系，但核方法和粗糙集都显式或隐式地依赖于关系矩阵来表示样本信息的结构。基于这一观察，我们将高斯核与模糊粗糙集相结合，提出了一种基于高斯核近似的模糊粗糙集模型。模糊T-等价关系是大多数模糊粗糙集模型的基础。证明了具有高斯核的模糊关系是自反的、对称的和传递的。为了进行模糊粗糙数据分析，引入高斯核来获取由模糊或数值属性描述的样本之间的模糊关系。此外，我们讨论了信息熵来评估核矩阵并计算近似的不确定性。基于核近似和模糊熵，构造了多个评价特征重要性的函数。设计了基于所提函数的特征排序和约简算法。实验分析的结果包括量化所提方法的有效性。 引用于49文件 理学硕士： 68层37 人工智能背景下的不确定性推理 关键词：模糊集;粗糙集;高斯核;不确定度测量;特征选择 软件：减压阀F PDF格式BibTeX公司 XML格式引用 \textit{Q.Hu}等，《国际近似推理》51，第4期，453--471（2010；Zbl 1205.68424） 全文： 内政部 参考文献： [1] 肖-泰勒，J。；Cristianini，N.，《模式分析的核心方法》（2004），剑桥大学出版社 [2] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习，20273-297（1995）·Zbl 0831.68098号 [3] Burges，C.J.C.，《模式识别支持向量机教程》，《数据挖掘知识》。Discovery，212-167（1998） [4] 陈久雄；陈楚松，模糊核感知器，IEEE Trans。神经网络，13，1364-1373（2002） [5] Baudat，G。；Anouar，F.E.，使用核方法的广义判别分析，神经计算。，122385-2404（2000年） [6] 肖尔科夫，B。；斯莫拉，A。；Muller，K.R.，作为核心特征值问题的非线性分量分析，神经计算。，10, 1299-1319 (1998) [7] 帕斯卡·文森特；Bengio，Yoshua，内核匹配追求，Mach。学习。，48, 65-187 (2002) ·Zbl 0998.68120号 [8] Pawlak，Z.，《粗糙集-关于数据推理的理论方面》（Rough Sets-Theory Aspects of Reasoning about Data）·Zbl 0758.68054号 [9] Wang，J。；陶琴，《粗糙集理论与统计学习》，（陆瑞秋，《知识科学与计算科学》2003年版，清华出版社） [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。，40, 3509-3521 (2007) ·Zbl 1129.68073号 [11] 胡，X。；Cercone，N.，《关系数据库中的学习：粗糙集方法》，计算。智力。，11, 323-338 (1995) [12] 胡庆华。；Yu，D.R。；谢振新。；Li，X.D.，EROS：集合粗糙子空间，模式识别。，403728-3739（2007年）·Zbl 1129.68074号 [13] Pawlak，Z.，《粗糙集理论及其在数据分析中的应用》，Cybern。系统。，29, 661-688 (1998) ·Zbl 1008.03526号 [14] R.M.Fang，H.Z.Ma，电力变压器故障诊断的混合粗糙集和支持向量机，连续离散和脉冲系统动力学-系列\（b）；R.M.Fang，H.Z.Ma，用于电力变压器故障诊断的混合粗糙集和支持向量机，连续离散和脉冲系统动力学-系列\（b \） [15] 阿沙拉夫，S。；Shevade，S.K。；Narasimha Murty，M.，粗糙支持向量聚类，模式识别。，38, 1779-1783 (2005) ·Zbl 1077.68794号 [16] Lingras，P。；Butz，C.，支持向量机多分类的基于粗糙集的1-v-1和1-v-r方法，Inform。科学。，177, 3782-3798 (2007) [17] Pawlak，Z.，《粗糙集》，《国际期刊信息》。计算。科学。，11, 314-356 (1982) ·Zbl 0501.68053号 [18] 胡庆华。；余博士。；谢振新，邻里分类器，专家系统。申请。，34, 866-876 (2008) [19] Dubois，D。；Prade，H.，《粗糙模糊集与模糊粗糙集》，《国际遗传学系统》。，17, 191-209 (1990) ·Zbl 0715.04006号 [20] Morsi Nehad，N。；Yakout，M.M.，模糊粗糙集公理，模糊集系统。，100327-342（1998年）·Zbl 0938.03085号 [21] 吴维珍。；Zhang，W.-X.，模糊逼近算子的构造和公理方法，Inform。科学。，159, 233-254 (2004) ·Zbl 1071.68095号 [22] Yeung，D.S。；Chen，D.G。；曾荫权，E.C.C。；Lee，J.W.T。；Wang，X.Z.，关于模糊粗糙集的推广，IEEE Trans。模糊系统。，13, 343-361 (2005) [23] 胡庆华。；Yu，D.R。；谢振新。；Liu，J.F.，模糊概率近似空间及其信息测度，IEEE Trans。模糊系统。，14, 191-201 (2006) [24] Moser，B.，关于核的t传递性，模糊集系统。，157, 787-1796 (2006) ·Zbl 1100.68095号 [25] Moser，B.，《关于用模糊等价关系表示和生成核》，J.Mach。学习。第72603-2620号决议（2006年）·Zbl 1222.68269号 [26] 胡庆华。；Yu，D.R。；Xie，Z.X.，基于模糊粗糙技术的信息保留混合数据约简，模式识别。莱特。，27, 414-423 (2006) [27] Genton，M.G.，《机器学习的内核类：统计视角》，J.Mach。学习。决议，2299-312（2001）·Zbl 1037.68113号 [28] 米·J·S。；Zhang，W.-X.，粗糙集模糊推广的公理化特征，Inform。科学。，160, 235-249 (2004) ·Zbl 1041.03038号 [29] Jensen，R。；Shen，Q.，《语义保持维度约简：粗糙和模糊粗糙方法》，IEEE Trans。知识数据工程，161457-1471（2004） [30] Jensen，R。；Shen，Q.，模糊粗糙特征选择的新方法，IEEE Trans。模糊系统。，17, 824-828 (2009) [31] 埃尔南德斯，E。；Recasens，J.，《存在不可分辨算子时熵的重新计算》，模糊集系统。，128185-196（2002年）·Zbl 1020.94006号 [32] 邓奇，I。；Gediga，G.，粗糙集预测的不确定性度量，Artif。智力。，106, 09-137 (1998) ·Zbl 0909.68040号 [33] Qian，Y.H。；Liang，J.Y。；Li，D.Y。；张海勇。；Dang，C.，粗糙集理论中评估决策表决策性能的度量，Inform。科学。，178, 181-202 (2008) ·Zbl 1128.68102号 [34] 胡庆华。；Yu，D.，模糊不可分辨关系的熵及其运算，《国际不确定性杂志》。基于模糊知识的系统。，12, 75-589 (2004) ·Zbl 1086.94048号 [35] Yu，D。；胡庆华。；Wu，C.，模糊关系的不确定性测度及其应用，应用。软计算。，7, 1135-1143 (2007) [36] K.Kira，L.A.Rendell，《特征选择的实用方法》，载于：D.Sleeman，P.Edwards（编辑），《机器学习：国际会议论文集》（ICML'92），Morgan Kaufmann，第249-256页。；K.Kira，L.A.Rendell，《特征选择的实用方法》，载于：D.Sleeman，P.Edwards（编辑），《机器学习：国际会议论文集》（ICML'92），Morgan Kaufmann，第249-256页。 [37] Robnik-Sikonja，M。；Kononenko，I.，ReliefF和RRelifF的理论和实证分析，马赫。学习，53，23-69（2003）·Zbl 1076.68065号 [38] 孙勇军，李振中，特征加权的迭代简化，in：Proc。第23届国际计算机学习大会，2006年，第913-920页。；孙永明，李振中，特征加权的迭代简化，in：Proc。第23届国际计算机学习大会，2006年，第913-920页。 [39] Sun，Y.J.，《特征加权的迭代RELIEF：算法、理论和应用》，IEEE Trans。模式分析。机器。智力。，29, 035-1051 (2007) [40] Yu，L。；Liu，H.，通过相关性和冗余分析进行有效特征选择，J.Mach。学习研究，51205-1224（2004）·Zbl 1222.68340号 [41] 刘，H。；Yu，L.，《面向分类和聚类的集成特征选择算法》，IEEE Trans。知识数据工程，17491-502（2005） [42] Battiti，R.，《在监督神经网络学习中使用互信息选择特征》，IEEE Trans。神经网络，5537-550（1994） [43] M.A.Hall，离散类和数值类机器学习的基于相关性的特征选择，载于：《第十七届机器学习国际会议论文集》，2000年，第359-366页。；M.A.Hall，离散类和数值类机器学习的基于相关性的特征选择，载于：《第十七届机器学习国际会议论文集》，2000年，第359-366页。 [44] Dash，M。；Liu，H.，特征选择中基于一致性的搜索，人工制品。智力。，151, 155-176 (2003) ·Zbl 1082.68791号 [45] 穆尼，D.P。；北卡罗来纳州帕尔。；Das，J.，同步特征选择和分类器设计的遗传编程，IEEE Trans。系统。人类网络。-B部分：网络。，36, 106-117 (2006) [46] Xiong，H.L。；斯瓦米，M.N.S。；Ahmad，M.O.，《在经验特征空间中优化内核》，IEEE Trans。神经网络，16，460-474（2005） [47] Yang，S。；Yan，S。；Zhang，C.，核选择和非线性特征提取的双线性分析，IEEE Trans。神经网络，18，442-1452（2007） [48] 穆勒，K.R。；米卡，S。；Ratsch，G.，基于内核的学习算法简介，IEEE Trans。神经网络，12181-201（2001） [49] R.Gilad-Bachrach，A.Navot，N.Tishby，《基于边缘的特征选择-理论和算法》，收录于：《2004年ICML会议录》，第43-50页。；R.Gilad-Bachrach，A.Navot，N.Tishby，《基于边缘的特征选择-理论和算法》，收录于：《国际资本市场协会2004年会刊》，第43-50页·Zbl 1078.68120号 [50] Zadeh，L.A.，关于模糊信息粒化理论及其在人类推理和模糊逻辑中的中心地位，模糊集系统。，90, 111-127 (1997) ·Zbl 0988.0304号 [51] 佩德里茨，W。；Vukovich，G.，通过信息粒化和模糊集进行特征分析，模式识别。，35, 825-834 (2002) ·Zbl 0997.68114号 [52] 陈，S。；Cowan，C.F.N.，径向基函数网络的正交最小二乘学习算法，IEEE Trans。神经网络，2302-309（1991） [53] Tseng，T.-L。；Huang，C.-C.，客户关系管理中基于粗糙集的特征选择方法，Omega，35365-383（2007） [54] 梁，Y。；费舍尔，M.M。；吴维珍。；Mi，J.-S.，区间值信息系统中分类规则发现的粗糙集方法，国际期刊近似推理。，47233-246（2008年）·Zbl 1184.68409号 [55] 李，T.-J。；梁，Y。；张，W.-X.，基于模糊覆盖的广义模糊粗糙近似算子，《国际近似推理》。，48, 836-856 (2008) ·兹比尔1186.68464 [56] Wu，W.-Z.，不完备决策系统中基于证据理论的属性约简，Inform。科学。，178, 1355-1371 (2008) ·Zbl 1134.68056号 [57] Mieszkowicz-Rolka，A。；Rolka，L.，《过程数据的模糊粗糙近似》，《国际近似推理》。，49, 301-315 (2008) ·Zbl 1191.68694号 [58] 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 [59] Yao，Y.Y。；赵勇，决策论粗糙集模型中的属性约简，Inform。科学。，178, 3356-3373 (2008) ·Zbl 1156.68589号 [60] 赵，S。；Tsang，E.C.C.，关于模糊粗糙集属性约简中的模糊近似算子，Inform。科学。，178, 3163-3176 (2008) ·Zbl 1154.68532号 [61] Qian，Y.H。；Liang，J.Y。；Dang，C.Y.，知识库中的知识结构、知识粒度和知识距离，Int.J.近似原因。，50, 174-188 (2009) ·兹比尔1191.68660 [62] 杨永杰。；John，R.I.，粗糙集运算中粗糙边界的推广，国际期刊近似原因。，48, 868-878 (2008) ·Zbl 1189.03065号 [63] U.Fayyad，K.Irani，分类学习中连续值属性的多间隔离散化，in：Proc。第十三届国际人工智能联合会议，Morgan Kaufmann，San Mateo，CA，1993年，第1022-1027页。；U.Fayyad，K.Irani，分类学习中连续值属性的多间隔离散化，in：Proc。第十三届国际人工智能联合会议，Morgan Kaufmann，San Mateo，CA，1993年，第1022-1027页。 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。