一种属性变化局部变精度邻域粗糙集动态算法.pdfVIP

第45卷第4期河南科技大学学报(自然科学版)Vol.45No.4

2024年8月JournalofHenanUniversityofScienceandTechnology(NaturalScience)Aug.2024

----

文章编号:16726871(2024)04007909DOI:10.15926/j.cnki.issn16726871.2024.04.011

一种属性变化局部变精度邻域粗糙集动态算法

王美丽,赵佳怡,冯卫兵

(西安科技大学理学院,陕西西安710600)

摘要:传统的邻域粗糙集模型对混合型数据的抗噪能力和计算效率低下,基于矩阵理论建立了一种属性动态

变化的局部变精度邻域粗糙集模型。在局部对角矩阵和中间矩阵的更新规律的基础上,构建了混合信息系统

局部变精度邻域粗糙集下近似的动态更新机制,提出了一种新的属性变化的局部变精度邻域粗糙集动态算

法。通过实验分析可知:所提出的动态算法具有较高的计算效率和良好的稳健性。

关键词:局部变精度邻域粗糙集;混合信息系统;属性集变化;动态更新机制

中图分类号:TP18文献标志码:A

0引言

[2-4]

1982年,文献[1]提出了粗糙集理论,该理论在数据挖掘、机器学习、模式识别等领域广泛应

用。概念近似是其中重要研究问题之一,它是通过二元关系导出上、下近似来实现对目标概念的近似描

述,可以将隐藏在信息系统中的知识挖掘出来并以决策规则的形式表达出来。由于经典粗糙集处理的

都是符号型数据,无法对数值型数据进行处理,因此文献[5]将邻域关系引入粗糙集中,提出邻域粗糙

集模型,该模型采用邻域关系代替等价关系对近似概念进行刻画。但邻域粗糙集的下近似,要求样本严

格包含,这使得邻域粗糙集的抗噪能力和容错能力差。文献[6]提出变精度粗糙集,该模型通过设置变

精度阈值的方法增强模型的抗噪和容错能力,使得粗糙集模型具有更广泛的适用性[7-10]。

然而,上述模型在计算下近似时需要遍历论域中所有对象,并且需要大量地标记数据,而在大数据

时代,标记数据是一项昂贵且耗时的任务。所以文献[11]提出了局部粗糙集模型,