概念的属性约简及异构数据概念漂移探测

邓大勇; 卢克文; 黄厚宽; 邓志轩

doi:10.3969/j.issn.0372-2112.2018.05.032

您当前的位置：

首页 >

文章列表页 >

概念的属性约简及异构数据概念漂移探测

科研通信 | 更新时间：2025-07-08

- 概念的属性约简及异构数据概念漂移探测
- Attribute Reduction for Concepts and Concept Drifting Detection in Heterogeneous Data
- 电子学报 2018年46卷第5期页码：1234-1239
- 作者机构：
  
  1. 浙江师范大学数理与信息工程学院,浙江,金华,321004
  2. 北京交通大学计算机与信息技术学院,北京,100044
  3. 浙江师范大学行知学院,浙江,金华,321004
  4. 浙江师范大学数理与信息工程学院,浙江,金华,321004
  5. 北京交通大学计算机与信息技术学院,北京,100044
  6. 浙江师范大学行知学院,浙江,金华,321004
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61473030）;浙江省自然科学基金 (No.LY15F020012）;浙江师范大学网络空间安全浙江省一流学科
- DOI：10.3969/j.issn.0372-2112.2018.05.032
  中图分类号： TP18
- 网络出版：2018-05-25，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
邓大勇, 卢克文, 黄厚宽, 等. 概念的属性约简及异构数据概念漂移探测[J]. 电子学报, 2018,46(5):1234-1239.

Attribute Reduction for Concepts and Concept Drifting Detection in Heterogeneous Data[J]. Acta Electronica Sinica, 2018, 46(5): 1234-1239.
邓大勇, 卢克文, 黄厚宽, 等. 概念的属性约简及异构数据概念漂移探测[J]. 电子学报, 2018,46(5):1234-1239. DOI： 10.3969/j.issn.0372-2112.2018.05.032.

Attribute Reduction for Concepts and Concept Drifting Detection in Heterogeneous Data[J]. Acta Electronica Sinica, 2018, 46(5): 1234-1239. DOI： 10.3969/j.issn.0372-2112.2018.05.032.

摘要

粗糙集是粒计算的一种重要方法，数据异构性是大数据的一种特征.针对异构数据问题，探索了粗糙集属性约简的本质，提出了概念属性约简的定义，它兼容值约简、Pawlak约简和并行约简.探究了概念属性约简的性质，提出了异构数据的属性约简方法和概念漂移探测方法.理论分析和示例表明了这些方法的有效性.为粗糙集、粒计算融入大数据的时代潮流提供了一种新方法.

Abstract

Rough set theory is one of important methods of granular computing

and data heterogeneities are one of remarkable characteristics in big data.For data heterogeneities

we define attribute reduction for concepts after investigating intrinsic quality of attribute reducts

which can contain value reducts

Pawlak attribute reducts and parallel reducts.After investigating properties of concept-attribute-reduction

we present a new method to reduce redundant attributes and a new method to detect concept drift for heterogeneous concepts.Theoretical analysis and examples show that these methods are valid.This work provides a new type way for rough set theory and granular computing to integrate into big data.

关键词

Keywords

references

浏览量

155

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

旁观者视角下粒的多层次描述

基于粗糙集的属性约简算法综述

连续值属性决策表中的知识获取方法

基于量子蛙跳协同进化的粗糙属性快速约简