不一致邻域粗糙集的不确定性度量和属性约简

2018-04-13 10:16:59姚晟,汪杰,徐风,陈菊
小型微型计算机系统 2018年4期
关键词:分类

姚 晟,汪 杰,徐 风,陈 菊

1(安徽大学 计算智能与信号处理教育部重点实验室,合肥 230601) 2(安徽大学 计算机科学与技术学院,合肥 230601) E-mail:wangjiechn@126.com

1 引 言

粗糙集理论[1]是Pawlak在1982年提出的用于处理不精确、不确定性问题的一种数据分析工具.目前已经广泛应用于机器学习、数据挖掘、模式识别、特征选择和图像分割等研究领域[2-5].

经典粗糙集理论基于等价关系,它通常适用于处理符号型数据.然而在现实应用(如科研、医疗、金融、工程应用领域)中,数值型数据广泛存在.研究人员在处理这类数据时通常采用离散化方法将数值型数据转化为符号型数据[6].这一转换必然会造成某些信息的损失.为了解决这类问题,林等[7]通过拓展经典粗糙集中的等价关系,提出了邻域粗糙集模型,该模型通过邻域关系来刻画对象之间的相似程度.胡等[8,9]通过定义邻域关系,构造了一种统一的邻域分类理论体系,并针对数值型属性和符号型属性并存的混合数据提出了一种基于邻域依赖度的特征选择算法.

不确定性度量作为粗糙集理论中描述系统分类能力和提高分类精度的重要依据,国内外众多学者对此进行了研究.Pawlak提出利用上下近似集,用精度和粗糙度来度量信息系统的不确定性,用近似精度和近似粗糙度来度量决策系统的不确定性[1].由于精度和粗糙度依赖的是正区域和边界域,会导致不确定性度量不够精细的情况.因此,部分学者从其它不同角度进行了研究,目前……

登录APP查看全文

猜你喜欢
分类
分类算一算
垃圾分类的困惑你有吗
大众健康(2021年6期)2021-06-08 19:30:06
星星的分类
我给资源分分类
垃圾分类,你准备好了吗
学生天地(2019年32期)2019-08-25 08:55:22
按需分类
教你一招:数的分类
说说分类那些事
给塑料分分类吧