基于合理粒度的局部邻域决策粗糙计算方法

摘要：

信息粒度和近似方法是粗糙集理论进行数据描述的两个关键.现实中数据分布情况复杂多变,现有的模型缺乏对不同数据区域进行区分的能力,且易受到异常数据的干扰,导致最终分类决策的失误.为此提出基于合理粒度的局部邻域决策粗糙集模型.首先,根据邻域中对象的个数和类别识别一些极端情况(例如离群点和标签噪声点),分别给出不同分布情况下数据点的粗糙隶属度;其次,为已识别的标签噪声数据提供一组伪标记,用伪标记对原始标签进行修正;最后引入合理粒度准则,构造由信息覆盖性函数和特殊性函数融合的新的评估标准,并通过粒子群优化算法对其进行优化,得到最佳邻域半径.实验结果表明,该方法为复杂数据处理提供了一种有效的解决方案.

关键词：合理粒度、异常数据、粒子群优化算法、局部邻域决策粗糙集模型

所属期刊栏目：57

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;江苏省自然科学基金;江苏省双创博士计划;江苏省研究生科研与实践创新计划项目;创新训练项目;南通大学人才引进项目;南通大学人才引进项目;江苏省"青蓝工程"项目;国家自然科学基金;南通市科技计划

在线出版日期：2021-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：262-271