全粒度粗糙集属性约简

被引：5

作者：

邓大勇

机构：

[1] 浙江师范大学行知学院

来源：

模式识别与人工智能 | 2018年 / 31卷 / 03期

基金：

浙江省自然科学基金;

关键词：

全粒度粗糙集; 概念的全粒度属性约简; 全粒度绝对约简; 全粒度Pawlak约简; 属性约简;

D O I：

10.16451/j.cnki.issn1003-6059.201803004

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

全粒度粗糙集是一种动静结合的粗糙集模型,在一定程度上可以表示人类认识的复杂性、多样性和不确定性.文中定义概念的全粒度属性约简,完善全粒度粗糙集属性约简的定义.探索概念的全粒度属性约简、全粒度绝对约简及全粒度Pawlak约简的性质,指明这些属性约简之间的关系,有助于全粒度属性约简的实际应用及启发式算法的产生.

引用

页码：230 / 235

页数：6

共 10 条

[1] 属性约简准则与约简信息损失的研究 [J].

邓大勇 ;

薛欢欢 ;

苗夺谦 ;

卢克文 .

电子学报, 2017, 45 (02) :401-407

[2] 信息表中概念漂移与不确定性分析 [J].

邓大勇 ;

苗夺谦 ;

黄厚宽 .

计算机研究与发展, 2016, (11) :2607-2612

[3] 多粒度粗糙集的双层绝对约简 [J].

邓大勇 ;

黄厚宽 .

模式识别与人工智能, 2016, 29 (11) :969-975

[4] 基于并行约简的概念漂移探测 [J].

邓大勇 ;

徐小玉 ;

黄厚宽 .

计算机研究与发展, 2015, 52 (05) :1071-1079

[5] 基于优势关系粗糙集的自主式学习模型 [J].

邓维斌 ;

王国胤 ;

胡峰 .

计算机学报, 2014, 37 (12) :2408-2418

[6] F-粗糙集方法对概念漂移的度量 [J].

邓大勇 ;

裴明华 ;

黄厚宽 .

浙江师范大学学报(自然科学版), 2013, 36 (03) :303-308

[7]

云模型与粒计算[M]. 科学出版社 , 王国胤, 2012

[8]

Multi-granularity distance metric learning via neighborhood granule margin maximization[J] . Pengfei Zhu,Qinghua Hu,Wangmeng Zuo,Meng Yang. Information Sciences . 2014

[9]

MGRS: A multi-granulation rough set[J] . Yuhua Qian,Jiye Liang,Yiyu Yao,Chuangyin Dang. Information Sciences . 2009 (6)

[10]

Rough sets: Theoretical aspects of reasoning about data .2 Pawlak Z. Dordrecht;Boston;London . 1991

← 1 →