监督邻域粗糙集

摘要：

传统单一阈值的邻域粗糙集不能有效降低信息的不确定性.考虑对象已有或预测的类别标签信息,通过引入类内和类间两种阈值,提出一种新的邻域粒化方法,并构建了一种基于监督邻域的粗糙集模型.该模型是传统邻域粗糙集的推广形式.通过分析双阈值下的邻域粒子变化规律,给出该模型的粗糙近似质量和条件熵单调性变化定理.最后通过4个UCI数据集验证了该模型的性能.实验结果显示,可以通过调节监督阈值参数来改善论域的邻域粒化效果,并降低信息的不确定性.

关键词：监督邻域、邻域粒化、双阈值、不确定性

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61572242,61573292,71571148;四川省教育厅自然科学基金项目18ZB0373

在线出版日期：2018-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：186-190