F-邻域粗糙集及其约简
邻域粗糙集可以直接处理数值型数据,F-粗糙集是第一个动态粗糙集模型.针对动态变化的数值型数据,结合邻域粗糙集和F-粗糙集的优势,提出了F-邻域粗糙集和F-邻域并行约简.首先,定义了F-邻域粗糙集上下近似、边界区域;其次,在F-邻域粗糙集中提出了F-属性依赖度和属性重要度矩阵;根据F-属性依赖度和属性重要度矩阵分别提出了属性约简算法,证明了两种约简方法的约简结果等价;最后,比对实验在UCI数据集、真实数据集和MATLAB生成数据集上完成,实验结果显示,与相关算法比较,F-邻域粗糙集可以获得更好的分类准确率.为粗糙集在大数据方面的应用增加了一种新方法.
邻域粗糙集、F-粗糙集、属性约简、属性重要度矩阵
47
国家自然科学基金61672467
2021-04-20(万方平台首次上网日期,不代表论文的发表时间)
共11页
695-705