基于统计偏好的边界域重构方法

摘要：

目前许多挖掘算法都试图使异常信息的影响最小化,或者排除它们,经典粗糙集理论基于正域的属性约简方法也不例外,它直接排除了边界域中样本所包含的信息.如何改变边界域结构,将边界域样本尽可能拓展到正域结构中,从而有效获取更有价值信息的研究很有必要.在经典粗糙集理论的基础上,采用统计学中基于某种偏好策略,提出了边界域重构的基本方法和知识获取方法,进一步讨论了与变精度粗糙集模型之间的联系,并重新定义了变精度粗糙模型中关于β下近似的定义.结果表明基于边界域重构的方法和修正后变精度粗糙集模型正域结构得到相应扩大,获取异常信息能力进一步加强.

关键词： Rough sets theory Boundary region Attribute reduction Variable precision rough sets theory

作者: 程玉胜 詹文法 张玉州

作者单位: 安庆师范学院计算机学院 安庆246011

会议类型: 国内会议

会议名称: 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

会议地点: 合肥

会议语种:中文

页码: 10-10

在线出版日期: 2012-10-13（万方平台首次上网日期，不代表论文的发表时间）