首页|优势关系粗糙集增量属性约简算法

优势关系粗糙集增量属性约简算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
在现实生活中,数据不断累积增加,原有准则和决策之间的相互关系也随之动态变化,如何高效地计算属性约简是动态决策亟需解决的问题.增量更新方法可以有效地完成动态学习任务,因为它可以在原有知识的基础上获取新的知识.文中利用优势粗糙集方法研究了在有优势关系的数据中添加单个对象时的增量属性约简方法.首先,定义了优势集矩阵作为更新的目标,用来计算新的优势条件熵;其次,通过分析增加对象的3种不同情况,提出了优势条件熵的增量学习机制;然后,基于优势集矩阵设计了增量属性约简算法;最后,对6种不同的UCI数据集进行实验,用于比较增量和非增量算法的有效性和高效性.实验结果显示,提出的增量属性约简算法不仅在有效性上与非增量属性约简算法保持一致,而且在高效性上要远优于非增量属性约简算法.因此,所提算法能有效且高效地完成动态优势关系数据中属性约简的任务.
Incremental Attribute Reduction Algorithm in Dominance-based Rough Set

桑彬彬、杨留中、陈红梅、王生武

展开 >

西南交通大学信息科学与技术学院 成都 611756

西南交通大学云计算与智能技术高效重点实验室 成都 611756

优势粗糙集方法 属性约简 动态决策 增量学习 优势集矩阵

国家自然科学基金国家自然科学基金四川省国际科技创新合作重点项目

61572406619761822019YFH0097

2020

10.11896/jsjkx.190700188

计算机科学
重庆西南信息有限公司（原科技部西南信息中心）

计算机科学

CSTPCDCSCD北大核心
影响因子：0.944
ISSN：1002-137X
年,卷(期)：2020.47(8)
  • 9
  • 1