文献

J-GLOBAL ID：202202210935841462   整理番号：22A0944750

重み付き近傍確率的ラフ集合に基づく属性低減の新しい方法【JST・京大機械翻訳】

A novel method to attribute reduction based on weighted neighborhood probabilistic rough sets

著者 (6件)： Xie Jingjing (School of Mathematics and Statistics, Wuhan University, Wuhan 430072, PR China) ,  Xie Jingjing (Computational Science, Hubei Key Laboratory, Wuhan University, Wuhan 430072, PR China) ,  Hu Bao Qing (School of Mathematics and Statistics, Wuhan University, Wuhan 430072, PR China) ,  Hu Bao Qing (Computational Science, Hubei Key Laboratory, Wuhan University, Wuhan 430072, PR China) ,  Jiang Haibo (School of Mathematics and Statistics, Wuhan University, Wuhan 430072, PR China) ,  Jiang Haibo (Computational Science, Hubei Key Laboratory, Wuhan University, Wuhan 430072, PR China)
資料名： International Journal of Approximate Reasoning  (International Journal of Approximate Reasoning)
巻： 144  ページ： 1-17  発行年： 2022年 
JST資料番号： T0476A  ISSN： 0888-613X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 属性低減はラフ集合理論の重要な応用である。ほとんどの既存のラフ集合モデルは,情報システムにおける属性の重み情報を考慮しない。本論文では,まず,データビンニング法と情報エントロピー理論を用いて,情報システムにおける各属性の重みを研究した。次に,加重近傍確率的ラフ集合(WNPRS)の新しいラフ集合モデルを提案し,その基本特性を研究する。一方,属性部分集合に対する属性の依存度式をWNPRSに基づいて定義した。続いて,WNPRSを用いて新しい属性低減法を設計し,対応するアルゴリズムも与えた。最後に,提案アルゴリズムの性能を評価するために,著者らは,データ実験を行い,8つの公開データセットに関する他の既存の属性低減アルゴリズムと比較した。実験結果は,提案した属性縮小アルゴリズムが有効であり,既存のアルゴリズムより良好に機能することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  エントロピー ,  情報システム ,  理論 ,  減少 ,  縮小 ,  *属性 ,  *ラフ集合 ,  データマイニング
準シソーラス用語： 情報エントロピー ,  ラフ集合論 , 【Automatic Indexing@JST】

著者キーワード (5件)： 重み付き近傍確率的ラフ集合 ,  データマイニング ,  情報エントロピー ,  属性削減 ,  情報システム

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 近傍 ,  確率 ,  ラフ集合 ,  属性