典型文献
基于邻域关系粗糙集和不确定性的增量属性约简方法
文献摘要：
当数据集发生变化时,基于粗糙集的增量方法可以对属性约简进行快速更新.考虑样本增加的动态情况,现有方法对添加的全部样本进行增量计算,时间消耗仍然较大.该文考虑样本的重要程度,认为不同区域的样本对约简更新的贡献程度不同,只选取贡献度大的样本参与约简的更新,从而有效降低计算量.在邻域粗糙集框架下,该文针对分类问题的连续值信息系统,根据样本的分布提出了基于不确定性和邻域关系粗糙集的增量属性约简方法.首先,利用不确定性和分类器结果对样本的贡献程度进行度量和类型划分;然后,针对不同类型的新增样本设计相应的处理策略,在此基础上提出新的增量属性约简算法;最后,在11个UCI数据集上进行大量实验,结果表明该方法与现有方法相比进一步降低了时间耗费,并保持了良好的分类精度和约简能力.
文献关键词：
邻域关系粗糙集;属性约简;增量算法;不确定性;属性重要度
中图分类号：
作者姓名：
吴晓雪;李艳
作者机构：
河北大学数学与信息科学学院,河北保定 071002;北京师范大学(珠海)应用数学与交叉科学研究中心,广东珠海 519000
文献出处：
引用格式：
[1]吴晓雪;李艳-.基于邻域关系粗糙集和不确定性的增量属性约简方法)[J].西北大学学报（自然科学版）,2022(05):753-764
A类：
邻域关系粗糙集,约简更新
B类：
确定性的,属性约简,增量方法,快速更新,重要程度,贡献程度,贡献度,本参,计算量,邻域粗糙集,分类问题,分类器,行度,类型划分,处理策略,简算,UCI,耗费,分类精度,和约,增量算法,属性重要度
AB值：
0.282754
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
