基于粗集理论的约简算法

吉林大学学报(工学版) ›› 2003, Vol. ›› Issue (1): 82-87.

基于粗集理论的约简算法

李雄飞¹, 谢忠时¹, 李晓堂¹, 李军²

1. 吉林大学, 计算机科学与技术学院, 吉林长春 130025;
2. 长春理工大学, 数学系, 吉林长春 130025

收稿日期:2002-06-12
基金资助:
国家自然科学基金资助项目(60275726);吉林省自然科学基金资助项目(19990528)

Research of Reduced Algorithm Based on Rough Set Theory

LI Xiong-fei¹, XIE Zhong-shi¹, LI Xiao-tang¹, LI Jun ²

1. College of Computer Science and Technology, Jilin University, Changchun 130025, China;
2. Department of Mathematics, Changchun Institute of Technology, Changchun 130020, China

Received:2002-06-12

摘要/Abstract

摘要： 在基于属性重要性和基于分辨矩阵两种算法的基础上,提出了一种同时满足属性重要性和频度的启发式约简算法RedFreSigni。该算法的基本思想是:以属性的核为基础,把核和用户偏好集同时作为属性近似约简的一部分,以频度作为选择属性的启发信息可同时生成计算属性的频度信息与不可分辨矩阵,减少了计算时间。在此基础上进而提出了基于规则支持度和置信度的决策挖掘算法,该算法能有效提取出用户感兴趣的规则。

关键词: 粗集理论, 属性约简, 核, 属性重要性, 属性频度

Abstract: In this paper,we present a heuristic reduced algorithm,denoted Red Fre Signi,that satisfies the attribute significance and attribute frequency at same time.This algorithm is based on the algorithms of attribute significance and resolution matrix.It takes the attribute′s core and user′s preference set as part of the attribute reduction,and using frequency as the heuristic information of attribute selection,and creating the frequency information of calculation attributes and undistinguishable matrix simultaneously,so the calculating time is reduced.Accordingly,a decision mining algorithm is presented which is based on rule support and confidence.Users can extract the useful rules effectively by using this algorithm.

Key words: rough set theory, attribute reduction, core, attribute significance, attribute frequency

中图分类号:

TP391

李雄飞, 谢忠时, 李晓堂, 李军. 基于粗集理论的约简算法[J]. 吉林大学学报(工学版), 2003, (1): 82-87.

LI Xiong-fei, XIE Zhong-shi, LI Xiao-tang, LI Jun . Research of Reduced Algorithm Based on Rough Set Theory[J]. 吉林大学学报(工学版), 2003, (1): 82-87.

参考文献

[1] Pawlak Z. Rough sets-theoretical aspects of reasoning about data［M］. Dordrecht: Kluwer Academic Publishers,1991:68～162.
[2] Bjorvand A T.‘Rough Enough' -a system supporting the rough sets approach [EB/OL]［Z］. http://home.sn.no/～torvill..
[3] Bazan J G, Skowron A, Synak P. Dynamic reducts as a tool for extracting laws from decisions tables ［M］. Ras Z W, Berlin: Springer-Verlag,1994:346～355.
[4] Kriyszkiewicz M, Rybinski H. Finding reducts in composed information systems [A]. Ziarko W P (eds). Proceedings of RSKD'93 ［C］. London: Springer-Verlag,1994:261～273..
[5] Starzyk J, Nelson D E, Sturtz K. Reduct generation in information system ［J］. Bulletin of International Rough Set Society, (1999). 3(1/2):19～22.
[6] Hu XiaoHua.Knowledge discovery in databases:an attribute-oriented rough set approach［D］.Regina University,1995.
[7] Ku Keyun, Diao Lili,Lu Yuchang,et al.Sampling for approximate reduct in very large datasets. PKAW 2000.
[8] Merz C J,Murphy P. UCI repository of machine learning database［Z］. http:// www.cs.uci.edu/～mlearn/MLRepository.html..
[9] 李雄飞,宋海玉,谢忠时,等.图像数据挖掘模型与方法［J］.吉林大学学报(工学版),2002,32(1):90～93.

相关文章 15

[1]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[2]	商强, 杨兆升, 张伟, 邴其春, 周熙阳. 基于奇异谱分析和CKF-LSSVM的短时交通流量预测[J]. 吉林大学学报(工学版), 2016, 46(6): 1792-1798.
[3]	蔡金良, 孙晓颖, 赵晓晖. 考虑复杂金属设备的车辆发动机舱电磁环境效应分析[J]. 吉林大学学报(工学版), 2016, 46(4): 1360-1367.
[4]	孙淑琴, 刘骏妍, 蒋川东, 孟庆云, 林君, 彭良玉. 最小二乘权值平滑滤波技术在核磁共振信号处理中的应用[J]. 吉林大学学报(工学版), 2016, 46(3): 985-995.
[5]	林君, 赵越, 蒋川东, 李同, 刘孝男. 基于Hammer积分的三维地面磁共振高精度正演方法[J]. 吉林大学学报(工学版), 2016, 46(2): 609-615.
[6]	康辉, 王家琦, 梅芳. 基于Pi演算的并行编程语言[J]. 吉林大学学报(工学版), 2016, 46(1): 235-241.
[7]	刘云, 刘富, 侯涛, 张潇. 优化核参数的模糊C均值聚类算法[J]. 吉林大学学报(工学版), 2016, 46(1): 246-251.
[8]	李明哲, 王劲林, 陈晓, 陈君. 基于网络处理器的流媒体应用架构模型(VPL)[J]. 吉林大学学报(工学版), 2015, 45(5): 1572-1580.
[9]	李洋, 陈小文, 赵晓晖, 杨勇. 片上网络的访存延迟均衡性[J]. 吉林大学学报(工学版), 2015, 45(5): 1624-1630.
[10]	孙淑琴, 孟庆云, 方秀成, 林君, 王应吉, 田宝凤, 杨楠. 基于自适应和小波模极大值重构的地面核磁共振信号噪声压制方法[J]. 吉林大学学报(工学版), 2015, 45(5): 1642-1651.
[11]	刘富，张潇，侯涛，刘云. 基于粗糙集的基因信号属性约简[J]. 吉林大学学报(工学版), 2015, 45(2): 624-629.
[12]	李阳, 文敦伟, 王珂, 刘乐. 多核学习矩阵化最小二乘支持向量机算法及肺结节识别[J]. 吉林大学学报(工学版), 2014, 44(2): 508-515.
[13]	王玉磊, 赵春晖, 齐滨. 基于光谱相似度量的高光谱图像异常检测算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 148-153.
[14]	吴迪, 曹洁. 智能环境下基于核相关权重鉴别分析算法的多特征融合人脸识别[J]. 吉林大学学报(工学版), 2013, 43(02): 439-443.
[15]	林琳, 陈虹, 陈建, 金焕梅. 基于多核SVM-GMM的短语音说话人识别[J]. 吉林大学学报(工学版), 2013, 43(02): 504-509.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed