伪标签邻域粗糙集下的属性约简加速策略

为降低伪标签邻域粗糙集中求解一组半径下约简的时间消耗,在基于贪心策略的启发式搜索基础上,通过减少属性约简过程中属性的遍历规模,设计一种约简求解的加速策略。在求解当前半径下的约简时,其启发式搜索过程是在前一个半径所求得约简结果基础上,继续选择重要度最大的候选属性加入当前约简中。在8个UCI数据集上的实验结果表明,相较于使用启发式算法求解一组半径下的约简,所提加速策略在不降低约简性能的同时,能有效减少求解一组半径下约简的时间消耗。该方法为快速求解伪标签邻域粗糙集的约简提供了技术支撑。

一种局部视角的类别近似质量属性约简加速方法

在利用贪心搜索算法求解类别近似质量约简的过程中,类别近似质量的计算是评估属性重要度的重要步骤,需要考虑论域中所有样本的邻域与当前决策类之间的包含关系。为降低求解类别近似质量约简的时间消耗,从局部的视角出发,提出一种用于求解类别近似约简的加速方法。该方法在计算类别近似质量时仅考虑当前决策类中的样本而不是论域中所有的样本,通过减少计算规模以加快约简求解的过程。在8个UCI数据集上的实验结果表明,该方法在不改变约简结果的情况下,能显著降低求解约简的时间消耗。