连续型数据的辨识矩阵属性约简方法

• 作者: 冯丹 王长忠 石云鹏 黄洋
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 邻域关系 粗糙集 属性约简 辨识矩阵 启发式算法
• 年，卷（期）: 2017,（3）
• 页码范围: 371-376
• 页数: 6页
• 分类号: TP391|TP274
• 字数: 4945字
• 语种: 中文
• DOI: 10.11992/tis.201704032

摘要

属性约简是粗糙集理论在数据处理方面的重要应用,已有的针对连续型数据的属性约简算法主要集中在基于正域的贪心算法, 该方法只考虑了一致样本和其他样本的可辨识性,而忽略了边界样本点间可区分性.为了克服基于正域算法的缺点,提出了连续型数据的辨识矩阵属性约简模型,该模型不但考虑了正域样本的一致性,同时考虑了边界样本的可分性.基于该模型,分析了属性约简结构,定义了辨识矩阵来刻画特征子集的分类能力,构造了实值型数据的属性约简启发式算法,并利用UCI标准数据集进行了验证.理论分析和实验结果表明,提出的算法能够有效地处理连续型数据,提高了数据的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王长忠	渤海大学数理学院	14	26	3.0	4.0
2	冯丹		5	19	3.0	4.0
6	黄洋	渤海大学数理学院	1	7	1.0	1.0
7	石云鹏	渤海大学数理学院	1	7	1.0	1.0