本文選題：粗糙集　切入點：不一致鄰域　出處：《計算機工程與設(shè)計》2017年06期

【摘要】：經(jīng)典粗糙集僅能處理離散性數(shù)據(jù),而鄰域粗糙集通過運用距離函數(shù)解決了此局限性�；诖�,提出一種信息觀下批增量式屬性約簡算法。分析批量增加樣本后新樣本集下條件熵的變化機制,給出條件熵的計算公式;通過公式得出新加入樣本的不一致鄰域引起條件熵的變化,當(dāng)新增樣本加入到原樣本集后,只需找到新增樣本集的不一致鄰域,與新增樣本集一起進行約簡,對原約簡集進行冗余剔除,得到最終約簡。該算法避免了有重復(fù)的約簡,大大減少了計算量。將該算法應(yīng)用到UCI數(shù)據(jù)集以及某單位的科技人才流動績效評價指標體系中進行實驗,實驗結(jié)果驗證了該算法的有效性和高效性。
[Abstract]:Classical rough sets can only deal with discrete data, but neighborhood rough sets solve this limitation by using distance function.Based on this, a batch incremental attribute reduction algorithm based on information view is proposed.The change mechanism of conditional entropy under the new sample set is analyzed, and the formula of conditional entropy is given, the change of conditional entropy caused by the inconsistent neighborhood of the new sample is obtained by the formula, when the new sample is added to the original sample set, the change of conditional entropy is obtained when the new sample is added to the original sample set.We only need to find the inconsistent neighborhood of the new sample set, reduce the original reduction set with the new sample set, and get the final reduction.The algorithm avoids the repeated reduction and greatly reduces the computational complexity.The algorithm is applied to the UCI data set and the performance evaluation index system of scientific and technological talent flow in a certain unit. The experimental results show that the algorithm is effective and efficient.
【作者單位】： 太原理工大學(xué)信息工程學(xué)院;
【基金】：山西省自然科學(xué)基金項目(2014011018-2) 山西省回國留學(xué)人員科研基金項目(2013-033、2015-045)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 董學(xué)勤;劉希璐;;基于增量式PID的改進算法[J];浙江工商職業(yè)技術(shù)學(xué)院學(xué)報;2012年03期

2 宋和平;胡成全;王力風(fēng);侯二娜;;新型雙溫度反饋增量式PID控制器的設(shè)計[J];自動化與儀表;2012年04期

3 趙勇;何寶福;余巍;孫政委;;基于增量式PID控制實現(xiàn)高精度跟蹤機構(gòu)設(shè)計研究[J];戰(zhàn)術(shù)導(dǎo)彈技術(shù);2009年01期

4 羅來鵬;;一種增量式屬性約簡更新算法[J];沈陽大學(xué)學(xué)報(自然科學(xué)版);2013年03期

5 陳昊;楊俊安;王巖;;修正的最小重新計算標準的增量式學(xué)習(xí)算法[J];小型微型計算機系統(tǒng);2009年06期

6 朱真峰;郭躍飛;薛向陽;;增量式最小二乘法分類器與增量式支持向量機的對比[J];小型微型計算機系統(tǒng);2011年03期

7 孫士潮;劉寒冰;吉立新;;一種高效的關(guān)聯(lián)規(guī)則增量式更新算法[J];計算機應(yīng)用與軟件;2007年10期

8 黃啟春;劉仰光;何欽銘;;基于支持向量機的增量式算法[J];浙江大學(xué)學(xué)報(工學(xué)版);2008年12期

9 馮少榮;賴桃桃;張東站;;一種改進的核增量式更新算法[J];計算機工程與應(yīng)用;2010年20期

10 邵偉;凌丹;;基于智能積分的改進增量式PID算法[J];機電工程技術(shù);2010年11期

相關(guān)會議論文 前1條

1 陳恩紅;張振亞;王煦法;;基于神經(jīng)網(wǎng)絡(luò)的增量式數(shù)據(jù)索引機制研究[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

相關(guān)博士學(xué)位論文 前2條

1 朱真峰;快速增量式分類算法研究[D];復(fù)旦大學(xué);2010年

2 顧斌杰;精確增量式在線v-支持向量回歸機的研究[D];江南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前4條

1 王惠賢;基于增量式的#SAT求解算法研究[D];東北師范大學(xué);2016年

2 陳飛龍;基于偏序關(guān)系的快速增量式概念格構(gòu)建算法[D];西安電子科技大學(xué);2011年

3 孫巖;增量式貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)研究[D];杭州電子科技大學(xué);2011年

4 龔鈺梁;引入云計算的增量式支持向量機算法及其應(yīng)用研究[D];重慶理工大學(xué);2012年

，

本文編號：1706883