变精度多粒度粗糙集近似集更新的矩阵算法

doi:10.11772/j.issn.1001-9081.2019050836

计算机应用 ›› 2019, Vol. 39 ›› Issue (11): 3140-3145.DOI: 10.11772/j.issn.1001-9081.2019050836

• 2019年中国粒计算与知识发现学术会议(CGCKD2019)论文 • 上一篇下一篇

变精度多粒度粗糙集近似集更新的矩阵算法

郑文彬^1,2, 李进金³, 于佩秋³, 林艺东⁴

1. 闽南师范大学计算机学院, 福建漳州 363000;
2. 福建省粒计算及其应用重点实验室(闽南师范大学), 福建漳州 363000;
3. 闽南师范大学数学与统计学院, 福建漳州 363000;
4. 厦门大学数学科学学院, 福建厦门 361005

收稿日期:2019-05-06 修回日期:2019-06-05 发布日期:2019-09-11 出版日期:2019-11-10
通讯作者: 郑文彬
作者简介:郑文彬(1971-),男,福建仙游人,高级讲师,硕士,主要研究方向:粗糙集、粒计算、数据挖掘、人工智能;李进金(1960-),男,福建晋江人,教授,博士,主要研究方向:人工智能、粒计算、拓扑学;于佩秋(1991-),男,内蒙古赤峰人,硕士研究生,主要研究方向:粗糙集、粒计算、数据挖掘、人工智能;林艺东(1989-),男,福建漳州人,博士研究生,主要研究方向:不确定性理论。
基金资助:
国家自然科学基金资助项目（11871259，61379021）；国家自然科学基金青年项目（11701258）。

Matrix-based algorithm for updating approximations in variable precision multi-granulation rough sets

ZHENG Wenbin^1,2, LI Jinjin³, YU Peiqiu³, LIN Yidong⁴

1. School of Computer Science, Minnan Normal University, Zhangzhou Fujian 363000, China;
2. Fujian Key Laboratory of Granular Computing and Its Important Applications(Minnan Normal University), Zhangzhou Fujian 363000, China;
3. School of Mathematics and Statistics, Minnan Normal University, Zhangzhou Fujian 363000, China;
4. School of Mathematical Sciences, Xiamen University, Xiamen Fujian 361005, China

Received:2019-05-06 Revised:2019-06-05 Online:2019-09-11 Published:2019-11-10
Supported by:
This work is partially supported by the National Natural Science Foundation of China (11871259, 61379021), the Youth Fund of Natural Science Foundation of China (11701258).

摘要/Abstract

摘要： 随着信息大爆炸时代的到来，数据集的巨大化和数据集结构的复杂化已经成为近似计算中不能忽视的问题，而动态计算是解决这些问题的一种行之有效的途径。对现有的应用于经典多粒度粗糙集动态近似集更新方法进行了改进，提出了应用于变精度多粒度粗糙集（VPMGRS）的向量矩阵近似集计算与更新方法。首先，提出了一种基于向量矩阵的VPMGRS近似集静态计算算法；其次，重新考虑了VPMGRS近似集更新时的搜索区域，并根据VPMGRS的性质缩小了该区域，有效地提升了近似集更新算法的时间效率；再次，根据新的搜索区域，在VPMGRS近似集静态计算算法的基础上提出了一种新的VPMGRS近似集更新的向量矩阵算法；最后，通过实验验证了所提算法的有效性。

关键词: 动态计算, 近似集更新, 变精度多粒度粗糙集, 矩阵算法

Abstract: In an information explosion era, the large scale and structure complexity of datasets become problems in approximation calculation. Dynamic computing is an efficient approach to solve these problems. With the development of existing updating method applied to the dynamic approximation in multi-granular rough sets, a vector matrix based method for computing and updating approximations in Variable Precision Multi-Granulation Rough Sets (VPMGRS) was proposed. Firstly, a static algorithm for computing approximations based on vector matrix for VPMGRS was presented. Secondly, the searching area for updating approximations in VPMGRS was reconsidered, and the area was shrunk according to the properties of VPMGRS, effectively improving the time efficiency of the approximation updating algorithm. Thirdly, according to the new searching area, a vector matrix based algorithm for updating approximations in VPMGRS was proposed based on the static algorithm for computing approximations. Finally, the effectiveness of the designed algorithm was verified by experiments.

Key words: dynamic computing, approximation updating, variable precision multi-granulation rough set, matrix algorithm

中图分类号:

TP18

郑文彬, 李进金, 于佩秋, 林艺东. 变精度多粒度粗糙集近似集更新的矩阵算法[J]. 计算机应用, 2019, 39(11): 3140-3145.

ZHENG Wenbin, LI Jinjin, YU Peiqiu, LIN Yidong. Matrix-based algorithm for updating approximations in variable precision multi-granulation rough sets[J]. Journal of Computer Applications, 2019, 39(11): 3140-3145.

参考文献

[1] PAWLAK Z. Rough sets[J]. International Journal of Computer & Information Sciences, 1982, 11(5):341-356.
[2] CHEN W. Evidence of electroconformational changes in membrane proteins:field-induced reductions in intra membrane nonlinear charge movement currents[J]. Bioelectrochemistry, 2004, 63(1):333-335.
[3] MIN F, HU Q, ZHU W. Feature selection with test cost constraint[J]. International Journal of Approximate Reasoning, 2014, 55(1):167-179.
[4] 韩建栋, 朱婷婷, 李月香. 结合粗糙集与分层思想的彩色图像分割算法[J]. 计算机应用, 2015, 35(7):2020-2024.(HAN J D, ZHU T T, LI Y X. Color image segmentation algorithm based on rough-set and hierarchical idea[J]. Journal of Computer Applications, 2015, 35(7):2020-2024.)
[5] 陈世清, 唐志航, 肖建华. 基于粗糙集联系度的数据挖掘算法及应用研究[J]. 计算机应用, 2004, 24(6):74-77. (CHEN S Q, TANG Z H, XIAO J H. Algorithm of data mining based on rough sets pair analysis and its application[J]. Journal of Computer Applications, 2004, 24(6):74-77.)
[6] YAO Y, YAO B. Covering based rough set approximations[J]. Information Sciences, 2012, 200(1):91-107.
[7] KATZBERG J D, ZIARKO W. Variable Precision Rough Sets with Asymmetric Bounds[M]. London:Springer, 1994:167-177.
[8] 马建敏, 姚红娟, 潘笑晨. 串行概率粗糙集近似[J]. 计算机科学, 2018, 45(1):79-83. (MA J M,YAO H J, PAN X C. Serial probabilistic rough set approximation[J]. Computer Science, 2018, 45(1):79-83.)
[9] QIAN Y, LIANG J, YAO Y, et al. MGRS:a multi-granulation rough set[J]. Information Sciences, 2010, 180(6):949-970.
[10] 窦慧莉, 吴陈, 杨习贝, 等. 可变精度多粒度粗糙集模型[J]. 江苏科技大学学报(自然科学版), 2012, 26(1):65-69. (DOU H L, WU C, YANG X B, et al. Variable precision multi-granularity rough set model[J]. Journal of Jiangsu University of Science and Technology (Natural Science Edition), 2012, 26(1):65-69.)
[11] YANG X, QI Y, YU H, et al. Updating multigranulation rough approximations with increasing of granular structures[J]. Knowledge Based Systems, 2014, 64(1):59-69.
[12] CHEN H, LI T, LUO C, et al. A rough set-based method for updating decision rules on attribute values' coarsening and refining[J]. IEEE Transactions on Knowledge and Data Engineering, 2014, 26(12):2886-2899.
[13] CHENG Y. Dynamic maintenance of approximations under fuzzy rough sets[J]. International Journal of Machine Learning and Cybernetics, 2018, 9(12):2011-2026.
[14] HU J, LI T, LUO C, et al. Incremental fuzzy probabilistic rough sets over two universes[J]. International Journal of Approximate Reasoning, 2017, 81:28-48.
[15] ZIARKO W. Variable precision rough set model[J]. Journal of Computer and System Sciences, 1993, 46(1):39-59.
[16] 程燕.基于矩阵的覆盖粗糙集算法研究[D]. 合肥:安徽大学, 2017. (CHENG Y. Study on covering rough set algorithm based on matrix[D]. Hefei:Anhui University, 2017.)
[17] HU C, LIU S, LIU G. Matrix-based approaches for dynamic updating approximations in multigranulation rough sets[J]. Knowledge-Based Systems, 2017, 122:51-63.

变精度多粒度粗糙集近似集更新的矩阵算法

Matrix-based algorithm for updating approximations in variable precision multi-granulation rough sets

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	宫智宇王士同. 面向重尾噪声图像分类的残差网络学习方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	王虎王晓峰李可马云洁. 融合多头自注意力的标签语义嵌入联邦类增量学习方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	丁建立, 黄辉, 曹卫东. 航班链运行状态动态监控方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3941-3948.
[4]	刘晶鑫, 黄雯静, 徐亮胜, 黄冲, 吴建生. 字典学习与样本关联保持结合的无监督特征选择模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3766-3775.
[5]	宋逸飞, 柳毅. 基于数据增强和标签噪声的快速对抗训练方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3798-3807.
[6]	沈嫣然, 温昕, 张瑾昊, 张帅, 曹锐, 高保禄. 轻量级多尺度卷积网络的功能磁共振成像脑龄预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3949-3957.
[7]	张祖篡, 陈学斌, 高瑞, 邹元怀. 基于标签分类的联邦学习客户端选择方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3759-3765.
[8]	蒋权黄文清苟志勇. 基于等变图神经网络的拉格朗日粒子流模拟[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	李岚皓严皓钧周号益孙庆赟李建欣. 基于神经网络的多尺度信息融合时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	张学飞张丽萍闫盛侯敏赵宇博. 知识图谱与大语言模型协同的个性化学习推荐[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	索晋贤张丽萍闫盛王东奇张雅雯. 可解释的深度知识追踪方法综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[13]	陈丹阳张长伦. 多尺度去相关的图卷积网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[14]	蒋沛宇王永光任亚亭李硕晨谭火彬. 基于测量不确定度表示指南的目标检测不确定度测量方案[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[15]	赵小阳许新征李仲年. 物联网应用中的可解释人工智能研究综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.