APP下载

基于区分对的混合型弱标记数据增量约简算法

2022-02-24郑颖春

关键词:分类

金 莎, 郑颖春

(西安科技大学 理学院,陕西 西安 710600)

0 引言

粗糙集理论是由波兰学者Pawlak提出的[1],属性约简[2]是其重点研究内容,用于降低原始数据集维数, 剔除数据集的冗余和不相关属性。目前,基于信息系统[3-9]和决策系统[10-16]中的属性约简算法研究较多。

已有的属性约简算法只能解决有标记数据或无标记数据的约简问题,现实中因数据采集需要消耗大量成本或受技术限制,导致得到的数据大多是缺失、无标记的。文献[17]定义不完备弱标记数据的半监督差别矩阵,利用基于协同学习的思想将无标记的数据中信度较大的数据转换为有标记数据。文献[18]提出了一种半监督特征选择算法,该算法通过组合半监督散点,有效利用大量未标记的视频数据中的信息来区分目标类别。文献[19]针对弱标记的符号型数据,利用半监督学习框架,构造相对应的启发式半监督属性约简算法,然而该算法是非增量的,运行效率较低。文献[20]采用邻域粗糙集对部分标记数据进行属性约简,结合两种不同的度量方法得到综合重要性并设计启发式算法进行约简计算。文献[21]在粒计算的背景下提出不完备弱标记决策系统中的区分对定义,基于半监督学习给出决策系统中样本增加或减少的增量属性约简算法,然而并没有给出样本变化时的增量机制。

上述算法在处理动态变化的弱标记数据属性约简问题时,需要不断重复大量计算,没有相应的增量机制,计算复杂度高,分类性能低,且大多只能处理符号型数据。……

登录APP查看全文

猜你喜欢

分类
分类算一算
垃圾分类的困惑你有吗
星星的分类
我给资源分分类
垃圾分类,你准备好了吗
按需分类
教你一招:数的分类
说说分类那些事
给塑料分分类吧