×
陈红梅;李天瑞;蔡勇;罗，川;哈米多·富士塔

基于优势的邻域粗糙集的并行属性约简。 （英语） Zbl 1429.68280号

信息科学。 373, 351-368 (2016).
摘要：从不同的实际应用程序收集的数据量正在迅速增加。当数据量太大而无法加载到内存时，可能无法使用单个计算机进行分析。虽然已经采取措施通过使用一台计算机来管理大数据，但这个问题可能无法在可接受的时间范围内得到解决，这使得并行计算成为处理大数据不可或缺的方法。本文研究了基于优势的邻域粗糙集（DNRS）并行属性约简方法，该方法考虑了数值和类别属性值之间的偏序，可用于多准则决策方法。首先介绍了DNRS中属性约简的一些性质，然后研究了DNRS的并行属性约简原理。此外，还提出了DNRS中的并行属性约简算法。在UCI数据和大数据上的实验结果表明，所提出的并行算法既有效又高效。

引用于21文件

理学硕士：

68层37 人工智能背景下的不确定性推理
68T09号 数据分析和大数据的计算方面

关键词：

并行算法;粗糙集;大数据;属性约简

软件：

威卡;UCI-毫升;粗糙集
PDF格式BibTeX公司 XML格式引用
\textit{H.Chen}等人，《信息科学》。373、351--368（2016年；Zbl 1429.68280）
全文： 内政部

参考文献：

[1] El-Alfy，E.S.M。；Alshammari，M.A.，在mapreduce中使用并行遗传算法实现基于可扩展粗糙集的属性子集选择，Simul。模型1。实际。理论，64，18-29（2016）
[2] Augeria，M.G。；Cozzoa，P。；Greco，S.，《基于优势的粗糙集方法：在速度控制区设置车辆速度限制的应用案例研究》，《基于知识的系统》。，89, 288-300 (2015)
[3] Boggia，A。；罗基，L。；Paolotti，L。；穆索蒂，F。；Greco，S.，《使用基于优势的粗糙集方法评估农村可持续发展潜力》，环境杂志。管理。，144, 160-167 (2014)
[4] 查哈尔，S。；Saad，I.，多标准分类问题中基于优势的群粗糙集方法，Decis。支持系统。，54, 1, 372-380 (2012)
[5] Chen，H.M。；李·T·R。；罗，C。；Hu，J.，基于优势的邻域粗糙集及其属性约简，粗糙集与知识技术，《计算机科学讲义》，9436，89-99（2015），施普林格，柏林/海德堡·Zbl 1444.68218号
[6] Chen，H.M。；李·T·R。；罗，C。；Horn，S.J。；Wang，G.Y.，基于粗糙集的属性值粗化和细化决策规则更新方法，IEEE Trans。知识。数据工程，26，12，2886-2899（2014）
[7] Chen，H.M。；李·T·R。；阮，D.，不完备有序决策系统中近似值的保持，基于知识的系统。，31, 140-161 (2012)
[8] Chen，D.G。；李伟（Li，W.）。；张，X。；Kwong，S.，基于证据的邻域覆盖粗糙集属性约简数值算法，国际期刊近似推理，55，908-923（2014）·Zbl 1316.68159号
[9] 邓，S.B。；Feng，S.Z。；Fan，J.P.，《不一致不完备决策系统中的快速赋值约简》，J.Syst。工程电气。，25, 1, 83-94 (2014)
[10] 风扇，T.F。；Liau，C.J。；Liu，D.R.，不确定和可能数据表的优势模糊粗糙集分析，国际近似推理，52，9，1283-1297（2011）·Zbl 1242.68325号
[11] 加西亚，S。；Luengo，J。；Herrera，F.，数据挖掘中的数据预处理，智能系统参考库，第72卷，1-313（2015），Springer
[12] Greco，S。；马塔拉佐，B。；Slowinski，R.，优势关系对偏好关系的粗略近似，欧洲期刊Oper。研究，117，1，63-83（1999）·Zbl 0998.90044号
[13] Greco，S。；马塔拉佐，B。；Slowinski，R.，基于模糊优势的粗糙集方法，高级模糊系统。智力。技术。，56-66 (2000)
[14] Greco，S。；斯洛温斯基，R。；Zielniewicz，P.，将基于优势的粗糙集方法和稳健序数回归结合在一起，Decis。支持系统。，54, 2, 891-903 (2013)
[15] Han，J.W。；M.Kamber。；Pei，J.，《数据挖掘》（2012），摩根考夫曼出版社·Zbl 1230.68018号
[16] 何，Z。；风扇，B。；Cheng，T.C.E。；Wang，S.Y。；Tan，C.H.，大规模平面最大覆盖位置问题的均值偏移算法，欧洲期刊。决议，250，65-76（2016）·Zbl 1346.90498号
[17] 黄，B。；李海霞。；Wei，D.，直觉模糊信息系统中基于优势的粗糙集模型，基于知识的系统。，28, 115-123 (2012)
[18] 胡，J。；佩德里茨，W。；Wang，G.Y。；王凯，分布式决策信息系统中的粗糙集，基于知识的系统。，94, 13-22 (2016)
[19] 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)
[20] Lee，K。；Jung，K。；Park，J。；Kwon，D.，ARLS：用于大规模仿真的基于mapreduce的输出分析工具，Adv.Eng.Software，95，28-37（2016）
[21] Li，S.Y。；李·T·R。；Zhang，Z.X。；Chen，H.M。；Zhang，J.B.，基于优势的粗糙集方法中近似值的并行计算，基于知识的系统。，87, 102-111 (2015)
[22] 李，M。；尚，C.X。；Feng，S.Z。；Fan，J.P.，不一致决策表中的快速属性约简，信息科学。，254, 155-180 (2014) ·Zbl 1337.68254号
[23] Liang，J.Y。；Wang，F。；Dang，C.Y。；Qian，Y.H.，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，26，2，294-308（2014）
[24] Liang，J.Y。；Mi，J.R。；魏，W。；Wang，F.，基于对象和属性视角的属性约简加速器，基于知识的系统。，44, 90-100 (2013)
[25] Lichman，M.，UCI机器学习库（2013），加利福尼亚州欧文：加利福尼亚大学信息与计算机科学学院
[26] Liou，J.J.H.，制定航空公司服务战略的可变一致性优势粗糙集方法，应用。软计算。，11, 5, 4011-4020 (2011)
[27] 刘，F.D。；杨晓杰。；关，纽约。；Yi，X.D.，大型数据集的在线图正则化非负矩阵分解，神经计算，204,5162-171（2016）
[28] Kadzinski，M。；Greco，S。；Slowinski，R.，《基于优势的粗糙集方法的稳健序数回归多准则排序》，《信息科学》。，283, 211-228 (2014) ·Zbl 1355.91029号
[29] Ko，Y.C。；Fujita，H。；Tzeng，G.H.，分析WCY2010竞争力模式的模糊积分融合方法，基于知识的系统。，49, 1-9 (2013)
[30] 马，X.A。；Wang，G.Y。；余，H。；Li，T.R.，决策理论粗糙集模型中的决策区域分布保留约简，信息科学。，278, 614-640 (2014) ·Zbl 1354.68264号
[31] 马吉，P。；Garai，P.，IT2模糊粗糙集和属性选择的最大相关最大显著性准则，IEEE Trans。赛博。，45, 8, 1657-1668 (2015)
[32] Ma，Y.L。；Yu，X。；Niu，Y.G.，基于并行启发式约简的配电网故障诊断方法，Elect。电力能源系统。，73, 548-559 (2015)
[33] 孟振强。；石振中，关于决策论粗糙集模型中的快速属性约简，信息科学。，330, 226-244 (2016) ·Zbl 1390.68669号
[34] 迪亚兹·莫拉莱斯，R。；Navia-Vazquez，A.，内核方法的高效并行实现，神经计算，191175-186（2016）
[35] Pawlak，Z.，《粗糙集》，《国际信息计算杂志》。科学。，11, 5, 341-356 (1982) ·Zbl 0501.68053号
[36] Pawlak，Z。；Skowron，A.，《粗糙集：一些扩展》，《信息科学》。，177, 1, 8-40 (2007) ·Zbl 1142.68550号
[37] 彼得斯，G。；Poon，S.，《分析IT业务价值——基于优势的粗糙集方法视角》，Exp.Syst。申请。，38, 9, 11120-11128 (2011)
[38] 钱，J。；吕，P。；岳，X.D。；Liu，C.H。；Jing，Z.J.，使用mapreduce的大数据层次属性约简算法，基于知识的系统。，73, 18-31 (2015)
[39] 钱，J。；Miao，D.Q。；张振华。；Yue，X.D.，使用mapreduce的并行属性约简算法，Inf.Sci。，279, 671-690 (2014) ·Zbl 1354.68265号
[40] Riza，L.S。；Janusz，A。；Bergmeir，C。；科内利斯，C。；Herrera，F。；Slezak，D。；Benitez，J.M.，在r包“粗糙集”中实现粗糙集理论和模糊粗糙集理论的算法，信息科学。，287, 68-89 (2014)
[41] 邵，M.W。；Leung，Y.，颗粒还原和显性还原在形式语境中的关系，基于知识的系统。，65, 1-11 (2014)
[42] Szelazg先生。；Greco，S。；Slowinski，R.，多准则排序中偏好学习的可变一致性优势粗糙集方法，《信息科学》。，277, 525-552 (2014) ·Zbl 1354.68228号
[43] Sun，L。；徐，J.C。；Tian，Y.，不完备决策系统中基于粗糙熵不确定性测度的特征选择，基于知识的系统。，36, 206-216 (2012)
[44] 苏斯马加，R。；Slowinski，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
[45] Teng，S.H。；卢，M。；杨，A.-F。；张杰。；年，Y。；He，M.，《从可识别性的角度进行有效属性约简》，《信息科学》。，326, 297-314 (2016) ·Zbl 1390.68556号
[46] 田永杰。；Ju，X.C。；Shi，Y.，大规模非并行支持向量机的除法和组合方法，神经网络。，75, 12-21 (2016) ·Zbl 1414.68080号
[47] 赵，S。；陈，H。；李，C.P。；翟明扬。；Du，X.Y.，RFRR:稳健模糊粗糙约简，IEEE Trans。模糊系统。，21225-841（2013）
[48] Zhang，J.B。；李·T·R。；Pan，Y.，PLAR：云系统上的并行大规模属性约简，第14届并行和分布式计算、应用和技术国际会议（PDCAT），184-191（2013）
[49] 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。，194, 209-223 (2012)
[50] 张，X。；Miao，D.，两类决策理论粗糙集模型中基于区域的定量和层次属性约简，基于知识的系统。，71, 146-161 (2014)
[51] Zhao，S.Y。；Wang，X.Z。；Chen，D.G。；Tsang，E.C.C.，参数化粗还原中的嵌套结构，《信息科学》。，248, 130-150 (2013) ·Zbl 1335.68275号
[52] 朱，R。；Long，Y.L.公司。；曾义勇。；在多核和集群系统上实现的并行粒子PHD滤波器，信号处理。，127, 206-216 (2016)
[53] Wang，C.Z。；何，Q。；Chen，D.G。；胡庆华，一种新的覆盖决策系统属性约简方法，信息科学。，254, 181-196 (2014) ·Zbl 1337.68257号
[54] Wang，F。；Liang，J.Y。；Dang，C.Y.，动态数据集的属性约简，应用。软计算。，131, 676-689 (2013)
[55] Wang，F。；Liang，J.Y。；钱永华，属性约简：一种维度增量策略，基于知识的系统。，39, 95-108 (2013)
[56] Wang，F。；Liang，J.Y.，混合数据的有效特征选择算法，神经计算，53，6，912-926（2016）
[57] 霍尔，M。；E.弗兰克。；霍姆斯，G。；普法林格，B。；鲁特曼，P。；Witten，I.H.，《WEKA数据挖掘软件：更新》，ACM SIGKDD Explor。新闻。，11, 10-18 (2009)
[58] Xu，X。；贾格尔，J。；Kriegel，H.-P.，大型空间数据库的快速并行聚类算法，数据挖掘知识。发现，3，3，263-290（1999）
[59] Ye，D.Y。；陈振杰。；Ma，S.L.，基于粗糙集的最小属性约简问题的一种新的更好的适应度评估，信息科学。，222413-423（2013年）·Zbl 1293.68270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。