基于对象更新的邻域多粒度粗糙集模型增量式算法

摘要：

邻域多粒度粗糙集模型是粗糙集理论的重要研究分支.然而在大数据环境下,数据时刻处于动态更新之中,针对数值型信息系统对象动态变化的情形,本文提出一种邻域多粒度粗糙集模型的增量式更新算法.文中首先利用矩阵的方法表示了邻域多粒度粗糙集中邻域类与目标近似集之间的两种近似关系,分别称之为子集近似关系矩阵和交集近似关系矩阵,并通过这两种近似关系矩阵重构了邻域多粒度粗糙集模型;然后针对数值型信息系统对象增加和对象减少的情形,研究了这两种近似关系矩阵随对象变化时的增量式更新,理论分析证明了这种更新方法的高效性;最后基于近似关系矩阵的增量式更新设计出了邻域多粒度粗糙集模型的增量式更新算法.实验结果验证了所提出增量式算法的有效性和优越性.

关键词：数据更新、粗糙集、多粒度、邻域、对象变化、增量式学习、近似关系矩阵、增量式算法

所属期刊栏目：18

分类号：TP181(自动化基础理论)

资助基金：安徽省高校自然科学研究重点项目KJ2018A0469

在线出版日期：2023-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：562-576