邻域粗糙集中不确定性的熵度量方法

发布时间：2017-12-21 04:27

  本文关键词：邻域粗糙集中不确定性的熵度量方法　出处：《计算机科学与探索》2016年12期 　论文类型：期刊论文

  更多相关文章： 邻域粗糙集 邻域信息熵 不确定性度量 信息系统 近似精度

【摘要】：针对传统粗糙集理论中不确定度量方法难以适用于邻域粗糙集模型的问题,引入信息熵的度量方法,提出了基于信息熵的邻域粗糙集不确定性度量方法。该方法采用邻域关系对连续型数据进行信息粒化,基于粒化后的数据定义邻域系统中的近似精度、邻域信息熵、加权邻域信息熵等不确定性度量。进一步提出邻域系统不确定性度量的公理化表示,证明邻域系统的近似精度、邻域信息熵、加权邻域信息熵都是公理化度量;给出其最大最小值,证明其满足单调性原理。理论分析与实验表明邻域系统中的信息熵度量优于近似精度度量。
【作者单位】： 厦门理工学院计算机与信息工程学院;江西师范大学国家网络化支撑软件国际科技合作基地;
【基金】：国家自然科学基金No.61573297 福建省自然科学基金Nos.2015J01277,2016J01324 福建省教育厅项目Nos.JA09217,JB13152 福建省高校新世纪优秀人才支持计划~~
【分类号】：TP18
【正文快照】： 1 引言 粗糙集理论由波兰科学家Pawlak于1982年提出[1],是一种处理不精确、不确定与海量数据的理论与方法,近二十年来被广泛应用于机器学习[2]、数据挖掘[3]、图像处理[4]、离群点检测[5]、特征选择[6]、大数据分析与处理等领域[7]。粗糙集理论中度量方法的研究是机器学习领，

本文编号：1314697