面向不完备邻域系统的三支决策粒计算方法

针对许多应用领域中的数据大多是连续型数值,且由于成本限制和隐私保护等因素导致数据呈现不完备性。为此,提出面向不完备邻域系统的三支决策粒计算方法,引入邻域概念改进非对称相似关系,并通过改进的非对称相似关系计算不完备邻域系统的邻域粒度;在此基础上计算对象属于决策类的最大条件概率,再根据三支决策规则分别将对象划分到各决策类的正域、负域和边界域;通过实验比较和分析,进一步验证了该方法能获得较好的划分准确率和较低的误划分损失,为三支决策对不完备邻域数据的分析和处理提供了一种有效可行的方法。

基于邻域区分度的不完备混合数据属性约简方法

针对不完备混合数据,提出一种基于邻域区分度的属性约简方法.首先,在不完备混合邻域决策系统中,针对3种数据类型定义新的距离函数,由此给出邻域、邻域容差关系及其邻域上下近似集等概念,构造邻域粗糙集模型.然后,在不完备混合邻域决策系统中定义区分关系,给出邻域区分度、相对邻域区分度等度量,并讨论相关性质及定理.最后,基于相对邻域区分度定义不完备混合邻域决策系统的属性约简集、属性重要度等概念,设计一种启发式的不完备混合数据属性约简算法.8个公共数据集上的实验结果表明,所提出的属性约简算法可以获取最优/次优属性子集,且具有较好的分类精度.

基于邻域容差互信息和鲸鱼优化算法的非平衡数据特征选择

针对大多数特征选择算法未充分考虑数据的类不均匀分布、特征之间的相关性和不同参数对特征选择结果的影响等问题,提出一种基于邻域容差互信息和鲸鱼优化算法(WOA)的非平衡数据特征选择方法。首先,在不完备邻域决策系统中,针对二分类数据集和多分类数据集,基于上、下边界域定义两种非平衡数据的特征重要度;然后,为充分反映特征的决策能力和特征之间的相关性,构建邻域容差互信息;最后,通过将非平衡数据特征重要度和邻域容差互信息相结合,提出基于邻域容差互信息的非平衡数据特征选择(FSIDN)算法,该算法采用WOA获取特征选择算法中的最优参数,并引入非线性收敛因子和自适应惯性权重来改进WOA,以解决WOA易陷入局部最优的问题。在8个基准函数上进行实验,结果表明改进的WOA具有较好的优化性能;在13个二分类和4个多分类的非平衡数据集上进行特征选择实验,实验结果表明,与其他相关算法相比,所提算法能够有效地选择出具有良好分类性能的特征子集。

不完备邻域加权多粒度决策理论粗糙集及三支决策

关注粒度间差异性和不平衡性,利用粒度分类能力挖掘粒度权重,从而构建两种基于粒度加权策略的粗糙集模型实施相关的三支决策。首先,根据边界域对知识划分的影响定义粒度重要度并诱导粒度权重,融合权重与条件概率提出不完备邻域加权多粒度决策理论粗糙集,得到三支决策。然后,考虑属性的特定限制,建立不完备邻域加权限制多粒度决策理论粗糙集,得到相关性质与相互关系。最后,利用可变三支决策进行实例分析与数据实验,证实新模型的合理性与优越性。关于不完备邻域多粒度决策理论粗糙集,两种加权模型优化改进与系统扩张了对应的基础模型,有利于相关数据分析与决策制定。