监督邻域粗糙集

作者：汪琳娜; 杨新; 杨习贝^*

来源：计算机科学, 2018, 45(08): 186-190.

• 监督邻域
• 邻域粒化
• 双阈值
• 不确定性

传统单一阈值的邻域粗糙集不能有效降低信息的不确定性。考虑对象已有或预测的类别标签信息,通过引入类内和类间两种阈值,提出一种新的邻域粒化方法,并构建了一种基于监督邻域的粗糙集模型。该模型是传统邻域粗糙集的推广形式。通过分析双阈值下的邻域粒子变化规律,给出该模型的粗糙近似质量和条件熵单调性变化定理。最后通过4个UCI数据集验证了该模型的性能。实验结果显示,可以通过调节监督阈值参数来改善论域的邻域粒化效果,并降低信息的不确定性。

• 单位
  四川工商学院; 西南交通大学; 江苏科技大学; 电子信息工程学院