监督邻域粗糙集

• 作者: 杨习贝 杨新 汪琳娜
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 监督邻域 邻域粒化 双阈值 不确定性
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 186-190
• 页数: 5页
• 分类号: TP181
• 字数: 5058字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.08.033

摘要

传统单一阈值的邻域粗糙集不能有效降低信息的不确定性.考虑对象已有或预测的类别标签信息,通过引入类内和类间两种阈值,提出一种新的邻域粒化方法,并构建了一种基于监督邻域的粗糙集模型.该模型是传统邻域粗糙集的推广形式.通过分析双阈值下的邻域粒子变化规律,给出该模型的粗糙近似质量和条件熵单调性变化定理.最后通过4个UCI数据集验证了该模型的性能.实验结果显示,可以通过调节监督阈值参数来改善论域的邻域粒化效果,并降低信息的不确定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨习贝	江苏科技大学计算机科学与工程学院	86	555	13.0	20.0
2	杨新	西南交通大学信息科学与技术学院	8	17	3.0	4.0
3	汪琳娜	四川工商学院电子信息工程学院	5	29	2.0	5.0