-
题名基于哈希桶和聚类的变半径邻域粗糙集模型
- 1
-
-
作者
李华
孟祥瑞
-
机构
石家庄铁道大学数理系
-
出处
《江苏科技大学学报(自然科学版)》
CAS
2024年第4期100-107,共8页
-
基金
国家自然科学基金项目(61806133)。
-
文摘
邻域粗糙集是处理机器学习与数据挖掘中不确定性的数据分析工具.邻域粗糙集中邻域粒的大小往往受邻域半径的影响.针对现有的邻域粗糙集模型通常对每个样本设置相同的邻域半径,导致得到的邻域粒无法对每个样本进行准确地刻画的问题,基于样本数据的分布信息,首先对数据集进行聚类,并基于哈希桶对每个类的样本分布情况做出分析,然后为每个样本设置合适大小的邻域半径,使其能够更准确地刻画每个样本的信息,进而提出变半径邻域粗糙集模型.最后选取了8个UCI数据集进行实验,并分别与当前最常用的邻域粗糙集模型进行比较,理论分析与实验结果表明所提出的变半径邻域粗糙集模型具有更好的学习性能.
-
关键词
变半径邻域粗糙集
哈希桶
聚类
样本分布
不确定性
-
Keywords
variable neighborhood rough sets
hash bucket
clustering
sample distribution
uncertainty
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-