弱标记不完备决策系统的增量式属性约简算法

摘要：

在许多现实应用领域中,由于数据标注代价昂贵,且数据往往呈现动态变化,因此存在大量弱标记的不完备数据.针对上述复杂应用场景,本文以粒计算理论为基础,从区分性视角给出不完备数据的区分对概念,同时给出属性相对重要度的度量方法,并设计面向弱标记不完备决策系统的属性约简算法.该算法能在迭代过程中不断缩减搜索空间,提高属性约简效率;并根据实例的动态变化情况,分析属性约简的动态更新机制;在此基础上,设计了半监督条件下的增量式属性约简算法.最后,通过实验验证了算法的可行性和有效性.

关键词：属性约简、粗糙集、区分对、混合数据、增量学习、半监督学习、相对重要度、动态数据

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;江西省自然科学基金项目;江西省教育厅科学技术研究项目

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1079-1090