混合数据的邻域区分度增量式属性约简算法

• 作者: 卞显福 王伟 盛魁 董辉 马健
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 粗糙集 混合数据 区分度 邻域关系 增量式学习 属性约简
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 682-696
• 页数: 15页
• 分类号: TP18
• 字数: 16012字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.04.010

摘要

增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合信息系统进行相关的研究,这促使在混合信息系统下构建相关的增量式属性约简算法.区分度是用于设计属性约简的一种重要方法,本文将传统的区分度在混合信息系统下进行推广,提出邻域区分度的概念,然后分别研究了邻域区分度在混合信息系统下对象增加和对象减少时的增量式学习,最后根据这种增量式学习分别提出了对应的增量式属性约简算法.UCI数据集上的相关实验结果表明,所提出的增量式属性约简比非增量式属性约简能够更快速的更新约简结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	盛魁	亳州职业技术学院信息工程系	37	65	5.0	5.0
2	王伟	安徽大学计算机科学与技术学院	14	58	5.0	7.0
3	董辉	亳州职业技术学院信息工程系	33	49	4.0	5.0
4	马健	亳州职业技术学院信息工程系	54	70	4.0	5.0
5	卞显福	中国科学技术大学软件学院	6	1	1.0	1.0