检索结果-内蒙古大学图书馆

计算机应用 2022年第9期42卷 2701-2712页

作者：李艳范斌郭劼河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071002 北京师范大学珠海校区应用数学与交叉科学研究中心广东珠海519087

属性约简是粗糙集理论中的研究热点,对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系;而基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度,不过由于各属性量纲不同... 详细信息

属性约简是粗糙集理论中的研究热点,对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系;而基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度,不过由于各属性量纲不同且半径参数为连续值使半径难以统一,导致整个参数粒化过程计算量较大。为解决此问题,提出一种基于聚类粒化的多粒度属性约简策略。首先,利用聚类方法将相似样本归类,并提出了基于聚类的近似集、相对正域及正域约简概念;其次,根据JS(Jensen-Shannon)散度理论对簇间各属性数据分布进行差异性度量,并选择出具有代表性的特征用以区分不同类簇;最后,利用可辨识矩阵设计了属性约简算法。所提算法不要求属性具有序关系,且不同于邻域半径,聚类参数为离散值,调节此参数就能够对数据集形成不同粒化程度的划分。在UCI与Kent Ridge数据集上进行的实验结果表明,该属性约简算法可以直接处理连续值数据,且该算法在较小范围内离散地调节聚类参数便能在保持甚至提高分类精度的前提下去除数据集中的冗余特征。

关键词：连续值数据粗糙集属性约简聚类粒化 Jensen-Shannon散度

来源：评论

学校读者我要写书评

暂无评论

基于聚类粒化信息指数的非单调属性约简算法

引用

昆明理工大学学报（自然科学版） 2023年第3期48卷 72-84页

作者：李艳范斌吴晓雪北京师范大学应用数学与交叉科学研究中心广东珠海519087 河北大学数学与信息科学学院河北保定071002

粗糙集框架下连续值数据属性约简主要基于模糊粗糙集和邻域粗糙集方法,计算代价较高.为提高约简效率,基于聚类和信息熵理论提出了聚类粒化信息指数和聚类互信息等概念,理论上证明了聚类互信息具有非单调性,在此基础上设计了相应的属性... 详细信息

粗糙集框架下连续值数据属性约简主要基于模糊粗糙集和邻域粗糙集方法,计算代价较高.为提高约简效率,基于聚类和信息熵理论提出了聚类粒化信息指数和聚类互信息等概念,理论上证明了聚类互信息具有非单调性,在此基础上设计了相应的属性约简算法.此算法通过改变数据粒化方式,结合更易计算的聚类粒化信息指数,简化了获取属性约简的计算过程,从而提高了连续值数据属性约简的效率.同时,所提评估函数的非单调性使得此算法能够选择出优于原始数据集分类性能的约简结果.在17个数据集上的实验结果表明,与已有代表性模糊粗糙集和邻域粗糙集约简算法比较,基于聚类粒化信息指数的非单调属性约简算法能够在保持甚至提高分类精度的前提下快速获得属性约简结果,且在多数数据集上具有更高的约简率.

关键词：连续值数据属性约简聚类粒化非单调性约简效率

来源：评论

学校读者我要写书评

暂无评论

基于聚类粒化方式的属性约简研究

基于聚类粒化方式的属性约简研究

引用

作者：范斌河北大学

学位级别：硕士

属性约简是粗糙集理论中的研究热点。现有连续值数据属性约简模型的建立主要基于优势粗糙集、邻域粗糙集、模糊粗糙集理论与方法。然而连续值数据属性间不一定具有优势关系;基于邻域关系的约简算法由于属性量纲不同导致邻域半径难以统一... 详细信息

属性约简是粗糙集理论中的研究热点。现有连续值数据属性约简模型的建立主要基于优势粗糙集、邻域粗糙集、模糊粗糙集理论与方法。然而连续值数据属性间不一定具有优势关系;基于邻域关系的约简算法由于属性量纲不同导致邻域半径难以统一,除此之外样本间模糊关系及邻域关系的计算代价一般来说也是较高的。为解决上述问题,本文将聚类粒化方式应用于属性约简过程中,对现有连续值数据属性约简方法进行了改进。提出了基于聚类粒化方式的正域约简及信息指数约简策略,相应设计了属性约简算法。具体来说,本文主要做了如下两方面工作:首先,建立了一种基于聚类粒化的多粒度属性约简模型,该模型利用聚类方法将相似样本归类。提出了基于聚类的近似集、正域及正域约简概念。根据Jensen-Shannon散度理论,对簇间各属性数据分布进行差异性度量。利用属性差异构造可辨识矩阵,设计了基于聚类粒化和簇间散度的属性约简算法。该算法不要求属性间具有偏好关系。不同于邻域半径,聚类参数为离散值。调节聚类参数能够对数据集形成不同粒化程度的划分。在UCI(UC Irvine machine learning)与Kent Ridge数据集上进行的实验结果表明,该约简算法可直接处理连续值数据,在较小范围内离散地调节参数便能保持甚至提高分类精度的前提下去除数据中的冗余属性。其次,为进一步提升约简效率,结合信息熵理论提出了聚类粒化信息指数(Clustering Granulation information Index,CGI)、聚类互信息等概念,理论上证明了聚类互信息具有非单调性,在此基础上设计了基于聚类粒化信息指数的非单调属性约简算法。此算法通过改变数据粒化方式,结合更易计算的聚类粒化信息指数,简化了获取属性约简的计算过程,从而提高了连续值数据属性约简的效率。将所提算法与基于模糊粗糙集和邻域粗糙集的代表性约简算法比较,在17个数据集上的实验结果表明,基于聚类粒化信息指数的非单调属性约简算法能够在保持甚至提高分类精度的前提下快速获得属性约简结果,且在多数数据集上具有更高的约简率。同时,由于所提评估函数的非单调性使得此算法能够在原始属性集分类性能较差,评估值较小时,选择出优于原始数据集性能的约简结果。

关键词：连续值数据属性约简聚类粒化 Jensen-Shannon散度非单调性约简效率

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：