动态模糊粗糙特征选取算法

• 作者: 倪鹏 刘阳明 李翠平 赵素云 陈红
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 特征选择 增量学习 模糊粗糙集 依赖度
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 236-243
• 页数: 8页
• 分类号: TP391
• 字数: 5301字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1903067

摘要

由于数据随时间和空间不断更新,很多基于粗糙集的增量方法被提出.然而,动态数据上基于模糊粗糙集的特征选取(也称属性约简)更新的研究较少,特别是连续型动态数据上的增量特征选取.为了解决这个问题,提出适用于连续型数据的基于模糊粗糙集的增量属性约简算法.首先提出模糊粗糙基本概念的增量机制,如模糊正域的增量机制.只有部分示例在已有属性约简上的辨识能力不足,即对于模糊正域来说,存在一个关键示例集.增量约简算法基于已有数据上的约简结果,仅需要更新关键示例集中的示例,而非全部的论域.因而该增量算法在动态数据上能快速获得约简的更新.通过数值对比实验可以看出,增量算法比非增量算法在运行时间上有明显的优势.特别是对于高维数据集,增量算法可以大大地节省计算时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈红	中国人民大学数据工程与知识工程教育部重点实验室	86	978	16.0	29.0
5	赵素云	中国人民大学数据工程与知识工程教育部重点实验室	5	23	2.0	4.0
9	倪鹏	中国人民大学数据工程与知识工程教育部重点实验室	2	0	0.0	0.0
13	刘阳明	中国人民大学数据工程与知识工程教育部重点实验室	1	0	0.0	0.0