文献类型：期刊文章

作　　者：盛魁[1] 王伟[3] 卞显福[2] 董辉[1] 马健[1]

SHENG Kui;WANG Wei;BIAN Xian-fu;DONG Hui;MA Jian(Department of Information Engineering,Bozhou Vocational and Technical College,Bozhou,Anhui 236800,China;School of Software,University of Science and Technology of China,Hefei,Anhui 230051,China;Computer Science and Technology Institute,Anhui University,Hefei,Anhui 230601,China)

机构地区：[1]亳州职业技术学院信息工程系,安徽亳州236800 [2]中国科学技术大学软件学院,安徽合肥230051 [3]安徽大学计算机科学与技术学院,安徽合肥230601

出　　处：《电子学报》

基　　金：安徽省高等学校省级自然科学研究重点基金(No.KJ2015A417,No.KJ2016A493);安徽省高校振兴计划优秀青年人才支持计划(No.GXYQZD2016529);安徽省亳州市产业创新创新团队项目(亳组[2015]20号-2)。

年　　份：2020

卷　　号：48

期　　号：4

起止页码：682-696

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合信息系统进行相关的研究,这促使在混合信息系统下构建相关的增量式属性约简算法.区分度是用于设计属性约简的一种重要方法,本文将传统的区分度在混合信息系统下进行推广,提出邻域区分度的概念,然后分别研究了邻域区分度在混合信息系统下对象增加和对象减少时的增量式学习,最后根据这种增量式学习分别提出了对应的增量式属性约简算法.UCI数据集上的相关实验结果表明,所提出的增量式属性约简比非增量式属性约简能够更快速的更新约简结果.

关 键 词：粗糙集  混合数据 区分度 邻域关系 增量式学习 属性约简

分 类 号：TP18]