模式识别与人工智能
2025年4月3日 星期四   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  2022, Vol. 35 Issue (5): 387-400    DOI: 10.16451/j.cnki.issn1003-6059.202205001
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
多粒度决策形式背景的属性约简
李金海1,2, 周新然1,2
1.昆明理工大学 数据科学研究中心 昆明 650500;
2.昆明理工大学 理学院 昆明 650500
Attribute Reduction in Multi-granularity Formal Decision Contexts
LI Jinhai1,2, ZHOU Xinran1,2
1. Data Science Research Center, Kunming University of Science and Technology, Kunming 650500;
2. Faculty of Science, Kunming University of Science and Technology, Kunming 650500

全文: PDF (647 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对现有的决策形式背景属性约简方法不能处理多粒度数据的问题,文中提出3种多粒度决策形式背景的属性约简方法,目的是通过删除每个协调粒度层下相同类别的类属性块,实现信息系统的属性约简.首先从信息粒的角度出发,在多粒度决策形式背景中引入协调粒度层的信息熵及条件信息熵,利用它们进一步度量属性重要度.然后,在多粒度决策形式背景中基于平均条件信息熵、最粗协调决策形式背景条件信息熵及最细协调决策形式背景条件信息熵,提出协调粒度约简方法、最粗协调粒度约简方法、最细协调粒度约简方法及其实现算法.最后,通过实验验证文中提出的3种属性约简方法的有效性,对比这3种方法得到的属性约简集,发现协调粒度约简方法的约束条件较严,相比之下,最粗协调粒度约简方法和最细协调粒度约简方法约束条件相对宽松.
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
李金海
周新然
关键词 形式概念分析多粒度决策形式背景条件信息熵属性重要度属性约简    
Abstract:The existing attribute reduction methods for formal decision contexts cannot deal with multi-granularity data. Therefore, three attribute reduction methods are put forward in multi-granularity formal decision contexts to realize attribute reduction of an information system by removing the class-attribute blocks from the same category under each consistent granularity layer. Firstly, from the perspective of information granules, information entropy and conditional information entropy of the consistent granularity layer are introduced in the multi-granularity formal decision contexts to further measure the significance of attributes. Secondly, based on the average conditional information entropy and conditional information entropy in the coarsest and finest consistent formal decision contexts, the consistent granularity attribute reduction method and the coarsest and finest consistent granularity attribute reduction methods are proposed in multi-granularity formal decision contexts, and their corresponding implementation algorithms are developed. Finally, the experimental results show that the proposed attribute reduction methods are effective. In addition, it is concluded that the constraint of the consistent granularity attribute reduction method is too strict. Instead, the constraints of the coarsest and finest consistent granularity attribute reduction methods are relatively weaker.
Key wordsFormal Concept Analysis    Multi-granularity Formal Decision Context    Conditional Information Entropy    Significance of Attribute    Attribute Reduction   
收稿日期: 2022-01-10     
ZTFLH: TP18  
基金资助:国家自然科学基金项目(No.11971211,12171388)资助
通讯作者: 李金海,博士,教授,主要研究方向为认知计算、粒计算、大数据分析、概念格、粗糙集.E-mail:jhlixjtu@163.com.   
作者简介: 周新然,硕士研究生,主要研究方向为形式概念分析、粒计算、粗糙集.E-mail:xrzhou101@163.com.
引用本文:   
李金海, 周新然. 多粒度决策形式背景的属性约简[J]. 模式识别与人工智能, 2022, 35(5): 387-400. LI Jinhai, ZHOU Xinran. Attribute Reduction in Multi-granularity Formal Decision Contexts. Pattern Recognition and Artificial Intelligence, 2022, 35(5): 387-400.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202205001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I5/387
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