姚晟,陈菊,徐风,汪杰,吴照玉.量化容差关系的程度多粒度粗糙集模型[J].测控技术,2019,38(3):16-20
量化容差关系的程度多粒度粗糙集模型
Grade Multi-Granulation Rough Set Model Based on Valued Tolerance Relation
  
DOI:10.19708/j.ckjs.2019.03.004
中文关键词:  不完备信息系统  量化容差关系  多阈值  程度多粒度粗糙集
英文关键词:incomplete information system  valued tolerance relation  multi threshold  grade multi granulation rough set
基金项目:国家自然科学基金项目(61602004,61300057);安徽省自然科学基金项目(1508085MF127);安徽省高等学校自然科学研究重点项目(KJ2016A041);安徽大学信息保障技术协同创新中心公开招标课题(ADXXBZ2014-5,ADXXBZ2014-6);安徽大学博士科研启动基金(J10113190072);安徽大学计算智能与信号处理教育部重点实验室课题项目
作者单位
姚晟 安徽大学 计算智能与信号处理教育部重点实验室,安徽 合肥 230601
安徽大学 计算机科学与技术学院安徽 合肥 230601 
陈菊 安徽大学 计算智能与信号处理教育部重点实验室,安徽 合肥 230601
安徽大学 计算机科学与技术学院安徽 合肥 230601 
徐风 安徽大学 计算智能与信号处理教育部重点实验室,安徽 合肥 230601
安徽大学 计算机科学与技术学院安徽 合肥 230601 
汪杰 安徽大学 计算智能与信号处理教育部重点实验室,安徽 合肥 230601
安徽大学 计算机科学与技术学院安徽 合肥 230601 
吴照玉 安徽大学 计算智能与信号处理教育部重点实验室,安徽 合肥 230601
安徽大学 计算机科学与技术学院安徽 合肥 230601 
摘要点击次数: 649
全文下载次数: 283
中文摘要:
      多粒度粗糙集是一种重要的多粒度数据挖掘模型。为了对不完备信息系统中等价类重叠部分的定量信息进行挖掘,提出一种多阈值的量化容差关系程度多粒度粗糙集模型。首先将描述等价类重叠信息的程度多粒度粗糙集模型与处理不完备信息系统的量化容差关系进行结合,提出量化容差关系的程度多粒度粗糙集模型,然后在该模型的基础上,为每个粒度设定与数据相适应的阈值,提高了量化容差关系程度多粒度粗糙集模型的灵活性,增加多粒度数据挖掘的性能。UCI数据集的实验结果表明,本文所提出的粗糙集模型具有较好的分类效果和理论的可行性。
英文摘要:
      Multi-granulation rough set is an important multi granulation data mining model.To mine the quantitative information on overlapping parts of equivalence class in incomplete information systems,a grade multi-granulation rough set model of multi threshold valued tolerance relation is proposed.Firstly,the grade multi-granulation rough set model describing the overlapping information of equivalence class is combined with valued tolerance relation dealing with incomplete information systems,and the grade multi granulation rough set model based on valued tolerance relation is proposed.While,based on this model,setting the threshold for each granularity to fit the data,which improves the flexibility of grade multi granulation rough set model based on valued tolerance relation and increases the performance of multi granulation data mining.The experimental results of UCI data sets show that the proposed rough set model has better classification effect and theoretical feasibility.
查看全文  查看/发表评论  下载PDF阅读器
关闭