一种处理部分标记数据的粗糙集属性约简算法

发布时间：2018-04-05 21:24

本文选题：粗糙集　切入点：增量式属性约简　出处：《计算机科学》2017年01期

【摘要】：属性约简是粗糙集理论中重要的研究内容之一,是数据挖掘中知识获取的关键步骤。Pawlak粗糙集约简的对象一般是有标记的决策表或者是无标记的信息表。而在很多现实问题中有标记数据很有限,更多的是无标记数据,即半监督数据。为此,结合半监督协同学习理论,提出了处理半监督数据的属性约简算法。该算法首先在有标记数据上构造两个差异性较大的约简来构造基分类器;然后在无标记数据上交互协同学习,扩大有标记数据集,获得质量更好的约简,构造性能更好的分类器,该过程迭代进行,从而实现利用无标记数据提高有标记数据的约简质量,最终获得质量较好的属性约简。UCI数据集上的实验分析表明,该算法是有效且可行的。
[Abstract]:Attribute reduction is one of the important research contents in rough set theory, the object is a key step of knowledge acquisition in the.Pawlak data mining rough set reduction decision table is generally marked or unmarked information table. But in many practical problems have very limited labeled data, is more unlabeled data, namely half supervision data. Therefore, combining semi supervised cooperative learning theory, put forward the attribute reduction algorithm of semi supervised data. The algorithm firstly in the labeled data to construct the base classifier to construct two different reduction; then in the unlabeled data on the interaction of collaborative learning, expand the labeled data set, obtained reduction quality better, build better classifier, the iterative process, so as to realize the advantage of unlabeled data to improve the quality of a reduction of labeled data, and eventually obtain a better quality attribute reduction.UCI The experimental analysis on the data set shows that the algorithm is effective and feasible.

【作者单位】：同济大学电子与信息工程学院计算机科学与技术系;上海电力学院计算机科学与技术学院;同济大学嵌入式系统与服务计算教育部重点实验室;深圳大学计算机与软件学院;香港理工大学应用科学与纺织学院;
【基金】：国家自然科学基金项目(61273304) 2013年度高等学校博士学科点专项科研基金(20130072130004)资助
【分类号】：TP18

【相似文献】