主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈俞,赵素云,李雪峰,陈红,李翠平.基于随机抽样的模糊粗糙约简.软件学报,2017,28(11):2825-2835
基于随机抽样的模糊粗糙约简
Fuzzy Rough Reduction Based on Random Sampling
投稿时间:2017-03-13  修订日期:2017-06-16
DOI:10.13328/j.cnki.jos.005337
中文关键词:  模糊粗糙集  随机抽样  属性约简  统计粗糙集
英文关键词:fuzzy rough set  random sampling  attribute reduction  statistical rough set
基金项目:国家重点研发计划(2016YFB1000702);国家重点基础研究发展计划(973)(2014CB340402);国家高技术研究发展计划(863)(2014AA015204);国家自然科学基金(61772536,61772537,61702522,61532021);国家社会科学基金(12&ZD220);中国人民大学科学研究基金(中央高校基本科研业务费专项资金)(15XNLQ06);国家高等学校学科创新引智计划(111)
作者单位
陈俞 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
赵素云 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
李雪峰 中国人民大学 环境学院, 北京 100872 
陈红 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
李翠平 中国人民大学 信息学院, 北京 100872
数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872 
摘要点击次数: 1238
全文下载次数: 945
中文摘要:
      传统的属性约简由于其时间复杂度和空间复杂度过高,几乎无法应用到大规模的数据集中.将随机抽样引入传统的模糊粗糙集中,使得属性约简的效率大幅度提升.首先,在统计下近似的基础上提出一种统计属性约简的定义.这里的约简不是原有意义上的约简,而是保持基于统计下近似定义的统计辨识度不变的属性子集.然后,采用抽样的方法计算统计辨识度的样本估计值,基于此估计值可以对统计属性重要性进行排序,从而可以设计一种快速的适用于大规模数据的序约简算法.由于随机抽样集以及统计近似概念的引入,该算法从时间和空间上均降低了约简的计算复杂度,同时又保持了数据集中信息含量几乎不变.最后,数值实验将基于随机抽样的序约简算法和两种传统的属性约简算法从以下3个方面进行了对比:计算属性约简时间消耗、计算属性约简空间消耗、约简效果.对比实验验证了基于随机抽样的序约简算法在时间与空间上的优势.
英文摘要:
      Traditional attribute reduction is less effective when applying to large-scale datasets because of its high time and space complexity. In this paper, random sampling is introduced into traditional rough reduction. First, statistical discernibility degree and statistical rough reduction are proposed based on statistical rough approximation. Here the statistical rough reduction is not the traditional reduction any more, it is a subset which keeps the statistical discernibility degree almost invariant. By using random sampling to find the estimated value of statistical discernibility degree, all the condition attributes can be sorted. And then the reduction can be done on the sorted attributes by keeping the statistical discernibility degree almost invariant. Finally, numerical experimental comparison demonstrates that the random sampling based rough reduction is effective on both time and space consumption.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利