模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2018, Vol. 31 Issue (3): 256-264    DOI: 10.16451/j.cnki.issn1003-6059.201803007
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
邻域粗糙集的加权依赖度及其启发式约简算法
徐波1,2, 张贤勇1,2, 冯山1
1.四川师范大学 数学与软件科学学院 成都 610068
2.四川师范大学 智能信息与量子信息研究所 成都 610068
Weighted Dependence of Neighborhood Rough Sets and Its Heuristic Reduction Algorithm
XU Bo1,2, ZHANG Xianyong1,2, FENG Shan1
1.School of Mathematical Sciences, Sichuan Normal University, Chengdu 610068
2.Institute of Intelligent Information and Quantum Information, Sichuan Normal University, Chengdu 610068

全文: PDF (839 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 邻域粗糙集是数值型属性数据处理的有效工具.基于邻域粗糙集,传统依赖度及其约简未考虑邻域覆盖的绝对结构,由此文中建立加权依赖度及其启发式约简算法.首先,提出加权依赖度并得到其度量改进性与粒化单调性,定义相关的属性约简.然后,分析邻域半径的自适应取值,构造基于加权依赖度的启发式约简算法(NWDR).最后,在UCI数据集上进行对比实验,验证加权依赖度的单调性与NWDR的有效性.实验证明,加权依赖度改进传统依赖度的不确定性表示能力,NWDR具有较高的分类准确率与较强的应用适应性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
徐波
张贤勇
冯山
关键词 邻域粗糙集加权依赖度属性约简启发式约简算法    
Abstract:Neighborhood rough sets act as an effective tool for data processing of numeric attributes. According to neighborhood rough sets, the traditional dependency and its reduction rarely take the absolute structure of neighborhood covering into account. Therefore the weighted dependence and its heuristic reduction algorithm are established in this paper. Firstly, the weighted dependence is proposed to gain its measure improvement and granulation monotonicity, and its relevant attribute reduction is defined. Secondly, the self-adapting valuing of the neighborhood radius is analyzed, and the neighborhood weighted dependence reduction(NWDR algorithm) is constructed. Finally, contrast experiments on UCI datasets are implemented, and both the monotonicity of the weighted dependence and the effectiveness of NWDR are verified. The weighted dependence improves the uncertainty representation ability of the classical dependence, and the relevant NWDR exhibits higher classification accuracy and stronger application applicability.
Key wordsNeighborhood Rough Set    Weighted Dependence    Attribute Reduction    Heuristic Reduction Algorithm   
收稿日期: 2017-08-22     
ZTFLH: TP 18  
基金资助:国家自然科学基金项目(No.61673285,61203285)、四川省青年科技基金项目(No.2017JQ0046)、四川省教育厅科研基金项目(No.15ZB0029)资助
通讯作者: 张贤勇,博士,教授,主要研究方向为粗糙集、粒计算、数据挖掘.E-mail:xianyongzh@sina.com.   
作者简介: 徐 波,硕士研究生,主要研究方向粗糙集、数据挖掘、智能算法.E-mail:xuboxbox@163.com.冯 山,博士,教授,主要研究方向为人工智能算法、智能软件平台开发、数据挖掘.E-mail:fengshanrq@sohu.com.
引用本文:   
徐波, 张贤勇, 冯山. 邻域粗糙集的加权依赖度及其启发式约简算法[J]. 模式识别与人工智能, 2018, 31(3): 256-264. XU Bo, ZHANG Xianyong, FENG Shan. Weighted Dependence of Neighborhood Rough Sets and Its Heuristic Reduction Algorithm. , 2018, 31(3): 256-264.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201803007      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2018/V31/I3/256
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn