文献

J-GLOBAL ID：201702287719159752   整理番号：17A1346398

ラフ集合を用いた属性低減のための能動標本選択に基づくインクリメンタルアルゴリズム【Powered by NICT】

Active Sample Selection Based Incremental Algorithm for Attribute Reduction With Rough Sets

著者 (3件)： Yang Yanyan (School of Control and Computer Engineering, North China Electric Power University, Beijing, China) ,  Chen Degang (Department of Mathematics and Physics, North China Electric Power University, Beijing, China) ,  Wang Hui (School of Computing and Mathematics, University of Ulster, Northern Ireland, U.K.)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 25  号： 4  ページ： 825-838  発行年： 2017年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ラフ集合を用いた属性縮約は与えられたデータセットからのコンパクトで有益な属性集合を得るための有効な技術である。しかし,連続試料に示したデータが伝統的なアルゴリズムは,動的データセットを取り扱うための陽的提供を持っていない。ラフ集合を用いた属性縮小のためのインクリメンタルアルゴリズムは,近年,大きな試料を用いた動的データセットを扱うために導入されている,それらは時間的・空間的に高い複雑性を有している。アルゴリズムの時間/空間複雑性問題を解決するために,本論文では,能動的サンプル選択プロセスの採用と属性還元プロセスへの洞察に基づくラフ集合を用いた属性縮小のための新しいインクリメンタルアルゴリズムを提示した。アルゴリズムではまず,各入射試料は活性試料選択プロセスによる電流データセットに関して有用であるかどうかを決定する。無駄な試料は廃棄されている有用な試料はリダクトを更新するために選択した。有用な試料の到着では,属性還元過程は,現在のリダクトにおける属性を加えて,また/あるいはにどのように誘導した。二つのプロセスは,このアルゴリズムの理論的枠組みを構成している。提案したアルゴリズムは,最終的に時間的・空間的に効率的であることを実験的に示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *アルゴリズム ,  *ラフ集合 ,  電流
準シソーラス用語： 複雑性 ,  属性縮約 ,  *インクリメンタルアルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： システム・制御理論一般  (IA02010H) ,  制御工学一般  (IC01000V)

タイトルに関連する用語 (4件)： ラフ集合 ,  属性 ,  標本 ,  インクリメンタルアルゴリズム