基于粗糙集技术的压缩近邻规则

• 作者: 李胜杰 王熙照 翟俊海
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 近邻规则 一致集 样例选择 粗糙集 边界域
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 236-239
• 分类号: TP181
• 字数: 3393字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.02.055

摘要

近邻(Nearest Neighbor,NN)算法是一种简单实用的监督分类算法.但NN算法在分类未知类标的样例时,需要存储整个训练集,还要计算该样例到训练集中每一个样例之间的距离,所以NN算法的计算复杂度非常高.为了克服这一缺点,P.Hart提出了压缩近邻(Condensed Nearest Neighbor,CNN)规则算法,即从整个训练集中找原样例集的一致子集(一致子集是能正确分类训练集中其他样例的子集).其计算复杂度依然比较高,特别是对于大型数据库,寻找其一致子集是非常耗费时间的.针对这一问题,提出了基于粗糙集技术的压缩近邻规则算法.该算法分为3步,首先利用粗糙集方法求属性约简(特征选择),以将冗余的属性去掉.然后选取靠近边界域的样例,以将冗余的样例去掉.最后从选出的样例中计算一致子集.该算法能同时沿垂直方向和水平方法进行数据约简.实验结果显示,所提出的方法是行之有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王熙照	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	88	1286	18.0	32.0
2	翟俊海	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	45	256	9.0	12.0
3	李胜杰	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	2	13	2.0	2.0