文献类型：期刊文章

作　　者：杨臻[1] 邱保志[2]

YANG Zhen;QIU Bao-zhi(College of Information Science and Technology,Zhengzhou Normal University,Zhengzhou 450044,China;College of Information Engineering,Zhengzhou University,Zhengzhou 450002,China)

机构地区：[1]郑州师范学院信息科学与技术学院,郑州450044 [2]郑州大学信息工程学院,郑州450002

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(U1304614);河南省基础与前沿技术研究项目(152300410191);河南省科技攻关项目(162102310238).

年　　份：2020

卷　　号：35

期　　号：2

起止页码：297-308

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：粗糙集是一种针对不确定性数据的数据挖掘理论,邻域粗糙集是处理混合型数据的常用模型.为了提高对混合型数据的抗噪能力,提出一种混合信息系统的变精度粗糙集模型;由于现实环境下信息系统的动态性,进一步提出对象增加和减少时的动态变精度粗糙集模型.首先研究混合信息系统中条件概率随对象增加和减少时的变化关系,然后在该变化关系的基础上提出混合信息系统变精度粗糙集上下近似的增量式更新机制,最后根据这一更新机制提出相应的增量式近似更新算法.实验结果表明,所提出的增量式更新算法比非增量的算法具有更高的计算效率,从而验证了所提出模型的有效性,同时也表明所提出模型更加适用于复杂的数据环境.

关 键 词：信息系统 混合属性  变精度粗糙集 对象变化  动态更新  增量式学习

分 类 号：TP18]