基于区分对象对的不完备决策表求核

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (19): 104-107.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

基于区分对象对的不完备决策表求核

曾艳燕1，徐章艳1，曾玲珍2，张姣1，宋腊香3

1.广西师范大学计算机科学与信息工程学院，广西桂林 541004
2.江西蓝天学院商学院，南昌 330029
3.鄂州市高级中学，湖北鄂州 436000

出版日期:2013-10-01 发布日期:2015-04-20

Computing core based on discernibility object pair set in incomplete decision table

ZENG Yanyan1, XU Zhangyan1，ZENG Lingzhen2, ZHANG Jiao1, SONG Laxiang3

1.School of Computer Science and Information Engineering, Guangxi Normal University, Guilin, Guangxi 541004, China
2.School of Business, Jiangxi Blue Sky College, Nanchang 330029, China
3.Ezhou Senior Middle School, Ezhou, Hubei 436000, China

Online:2013-10-01 Published:2015-04-20

摘要/Abstract

摘要： 在差别矩阵的基础上，针对不完备决策表提出了基于差别矩阵的区分对象对集定义，并证明求不完备决策表的核可以转化到求基于差别矩阵的区分对象对集上。在此基础上，提出了一种基于区分对象对的不完备决策表求核算法，该算法的时间复杂度为：[max{O(|C||U||Upos|),O(K|C||U|)}]，优于同类算法的时间复杂度；用实例说明了新算法的有效性。

关键词: 粗糙集, 不完备决策表, 差别矩阵, 区分对象对集, 求核

Abstract: The definition of discernibility object pair set of incomplete decision table, based on discernibility matrix, is defined. And it is proved that computing the core of incomplete decision table is equal to computing the discernibility object pair set of incomplete decision table. Then an algorithm for computing core based on discernibility object pair set of incomplete decision table is proposed. And the time complexity of the new algorithm is [max{O(K|C||U|),O(|C||U||Upos|)}], which is better than the time complexity of the same kind of algorithms. At last, an example is used to illustrate the efficiency of the new algorithm.

Key words: rough set, incomplete decision table, discernibility matrix, discernibility object pair set, compute core

曾艳燕1，徐章艳1，曾玲珍2，张姣1，宋腊香3. 基于区分对象对的不完备决策表求核[J]. 计算机工程与应用, 2013, 49(19): 104-107.

ZENG Yanyan1, XU Zhangyan1，ZENG Lingzhen2, ZHANG Jiao1, SONG Laxiang3. Computing core based on discernibility object pair set in incomplete decision table[J]. Computer Engineering and Applications, 2013, 49(19): 104-107.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[10]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[11]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.

基于区分对象对的不完备决策表求核

Computing core based on discernibility object pair set in incomplete decision table

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