基于统计偏好的边界域重构方法

摘要：

目前许多挖掘算法都试图使异常信息的影响最小化,或者排除它们,经典粗糙集理论基于正域的属性约简方法也不例外,它直接排除了边界域中样本所包含的信息.如何改变边界域结构,将边界域样本尽可能拓展到正域结构中,从而有效获取更有价值信息的研究很有必要.在经典粗糙集理论的基础上,采用统计学中基于某种偏好策略,提出了边界域重构的基本方法和知识获取方法,进一步讨论了与变精度粗糙集模型之间的联系,并重新定义了变精度粗糙模型中关于β下近似的定义.结果表明基于边界域重构的方法和修正后变精度粗糙集模型正域结构得到相应扩大,获取异常信息能力进一步加强.

关键词：粗糙集理论、边界域、属性约简、变精度粗糙集模型

所属期刊栏目：34

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61306046;安徽省自然科学基金项目070412061

在线出版日期：2013-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：2612-2614