基于区分对的混合型弱标记数据增量约简算法

针对混合型的弱标记不完备数据,提出属性变化的增量式属性约简算法。在混合型弱标记决策系统中,基于正域概念引入改进的属性区分关系定义,给出系统中属性动态变化时区分关系的增量式更新方法,提出了混合型弱标记决策系统下的启发式增量属性约简算法。实验结果表明:在处理大规模数据时,本文提出的增量属性约简算法相较于非增量约简算法能节约81.5%的时间,相比于仅利用无标记数据得到的约简结果,分类精度平均值提高了14.42左右。

弱标记不完备决策系统的启发式增量约简算法

针对实际决策系统中存在大量数据缺失、无类别标记,数据随时间动态变化的情形,提出属性与样本同时变化的增量式属性约简算法。将弱标记不完备决策系统分为有标记和无标记两个子系统,引入改进的属性区分关系定义,基于正域和容差关系概念,分别给出子系统中属性与样本动态变化时区分关系的增量式更新定理,并提出了弱标记不完备决策系统下的属性相对区分度增量式属性约简算法。通过实验分析表明本文算法的有效性和鲁棒性。