弱标记不完备决策系统的增量式属性约简算法

• 作者: 程龙 钱文彬 王映龙 胡剑锋
• 来源期刊: 智能系统学报
• 关键词: 属性约简 粗糙集 区分对 混合数据 增量学习 半监督学习 相对重要度 动态数据
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 知识工程|Knowledge Engineering
• 页码范围: 1079-1090
• 页数: 12页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202001017

摘要

在许多现实应用领域中,由于数据标注代价昂贵,且数据往往呈现动态变化,因此存在大量弱标记的不完备数据.针对上述复杂应用场景,本文以粒计算理论为基础,从区分性视角给出不完备数据的区分对概念,同时给出属性相对重要度的度量方法,并设计面向弱标记不完备决策系统的属性约简算法.该算法能在迭代过程中不断缩减搜索空间,提高属性约简效率;并根据实例的动态变化情况,分析属性约简的动态更新机制;在此基础上,设计了半监督条件下的增量式属性约简算法.最后,通过实验验证了算法的可行性和有效性.