基于相似关系的局部粗糙集模型

张杰,张燕兰^*

闽南师范大学计算机学院, 数据科学与智能应用福建省高等学校重点实验室, 福建省粒计算及其应用重点实验室, 福建 漳州 363000

发布日期:2021-03-16

作者简介:张杰(1990— ), 男,硕士研究生,研究方向为覆盖粗糙集等. E-mail:13142832142@163.com*通信作者简介:张燕兰(1983— ), 女,博士, 教授,研究方向为不确定性处理等. E-mail:zhangppff@126.com
基金资助:福建省高校****科研人才培养计划资助项目

Local rough set model based on similarity relation

ZHANG Jie, ZHANG Yan-lan^*

School of Computer Science, Key Laboratory of Data Science and Intelligence Application, Fujian Province University, Fujian Province Key Laboratory of Granular Computing and Its Application, Minnan Normal University, Zhangzhou 363000, Fujian, China

Published:2021-03-16

摘要/Abstract

摘要： 粗糙集理论是一种有监督学习模型, 一般需要适量有标记的数据来训练分类器,但现实中的一些问题往往存在大量无标记的数据, 若标记数据则代价过大。概念近似是粗糙集理论的一个关键所在,基于相似关系粗糙集的提出, 扩大了粗糙集理论的应用范围。为了应对大数据标记特性有限和计算效率低的问题, 本文介绍了一个相似关系下的局部粗糙集理论模型, 提出了具有线性时间复杂度的概念近似模型,理论证明和实例分析验证了基于相似关系的局部粗糙集中概念近似模型的优越性。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3420