粒矩阵及其在知识约简中的应用

doi:10.3778/j.issn.1673-9418.2010.03.011

计算机科学与探索 ›› 2010, Vol. 4 ›› Issue (3): 283-288.DOI: 10.3778/j.issn.1673-9418.2010.03.011

• 学术研究 • 上一篇

粒矩阵及其在知识约简中的应用

陈泽华，谢刚，谢珺，谢克明+

太原理工大学信息工程学院，太原 030024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2010-03-15 发布日期:2010-03-15
通讯作者: 谢克明

BGrM and its Application in Knowledge Reduction

CHEN Zehua， XIE Gang， XIE Jun， XIE Keming+

College of Information Engineering， Taiyuan University of Technology， Taiyuan 030024， China

Received:1900-01-01 Revised:1900-01-01 Online:2010-03-15 Published:2010-03-15
Contact: XIE Keming

摘要/Abstract

摘要： 知识约简是粗糙集理论精髓之一，目前有多种基于粗糙集理论的知识约简算法，相关研究基本集中在属性约简，对属性值的约简研究相对较少。在定义粒矩阵和矩阵运算的基础上，提出了基于粒矩阵的知识约简方法。它既能进行属性约简也能进行属性值约简，旨在把对属性值的逐行约简转化为对范畴的直接简化。算例表明了基于粒矩阵的知识约简方法的基本思想。

关键词: 粒计算, 粗糙集理论, 二进制粒矩阵, 知识约简

Abstract: Knowledge reduction is one of the most important contributions of rough set theory （RST）. At present， many kinds of knowledge reduction algorithm based on RST are proposed. Mostly research focuses on attribute reduction. Based on the definition of bit granular matrix （BGrM）， a matrix-based knowledge discovery algorithm is proposed， and it can realize reduction both for attribute and attribute value. Furthermore， the line by line attribute value reduction is improved to category reduction. Examples are given to illustrate the proposed approach.

Key words: granular computing （GrC）, rough set theory （RST）, bit granular matrix （BGrM）, knowledge reduction

中图分类号:

TP182

陈泽华，谢刚，谢珺，谢克明+. 粒矩阵及其在知识约简中的应用[J]. 计算机科学与探索, 2010, 4(3): 283-288.

CHEN Zehua， XIE Gang， XIE Jun， XIE Keming+. BGrM and its Application in Knowledge Reduction[J]. Journal of Frontiers of Computer Science and Technology, 2010, 4(3): 283-288.

[1]	饶亚，贾修一，李同军，商琳. 基于类间区分度的属性约简方法[J]. 计算机科学与探索, 2019, 13(8): 1422-1430.
[2]	张炜，王加阳，帅勇，龙陈锋. 直觉模糊决策系统的知识约简[J]. 计算机科学与探索, 2019, 13(7): 1145-1153.
[3]	陈林书，王加阳，柳媛慧，马庆. 商空间粒度的可逆性研究[J]. 计算机科学与探索, 2019, 13(5): 884-891.
[4]	潘主强，张林，张磊，李国正，颜仕星. 中医临床疾病数据多标记分类方法研究[J]. 计算机科学与探索, 2018, 12(8): 1295-1304.
[5]	陈覃霞，刘盾，梁德翠. 粗糙集理论和信息熵的AHP改进方法[J]. 计算机科学与探索, 2018, 12(3): 484-493.
[6]	王好为，闫继雄，柴晶，陈泽华. 相容关系模型及其在逻辑优化中的应用[J]. 计算机科学与探索, 2018, 12(3): 502-510.
[7]	姚龙洋，张清华，胡帅鹏，张强. 基于近似集与粒子群的粗糙熵图像分割方法[J]. 计算机科学与探索, 2016, 10(5): 699-708.
[8]	李蒙蒙，徐伟华. 优势关系下变精度与程度“逻辑且”粗糙模糊集[J]. 计算机科学与探索, 2016, 10(2): 277-284.
[9]	黄伟婷，赵红，祝峰. 分治策略下的代价敏感属性选择回溯算法[J]. 计算机科学与探索, 2016, 10(10): 1451-1458.
[10]	米允龙，米春桥，刘文奇. 海量数据挖掘过程相关技术研究进展[J]. 计算机科学与探索, 2015, 9(6): 641-659.
[11]	谢娟英，鲁肖肖，屈亚楠，高红超. 粒计算优化初始聚类中心的K-medoids聚类算法[J]. 计算机科学与探索, 2015, 9(5): 611-620.
[12]	陈泽华，张凯英，谢刚. 粒计算在数字逻辑电路分析与设计中的应用[J]. 计算机科学与探索, 2015, 9(2): 165-171.
[13]	李建林，黄顺亮. 多阶段三支决策垃圾短信过滤模型[J]. 计算机科学与探索, 2014, 8(2): 226-233.
[14]	张铃，钱付兰，何富贵. 粒计算与统计学习理论[J]. 计算机科学与探索, 2013, 7(8): 754-761.
[15]	钱进，苗夺谦，张泽华，张志飞. MapReduce框架下并行知识约简算法模型研究[J]. 计算机科学与探索, 2013, 7(1): 35-45.

粒矩阵及其在知识约简中的应用

BGrM and its Application in Knowledge Reduction

PDF

可视化

被引次数

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