Attribute reduction algorithm of rough sets based on spatial optimization

要約

ラフセットは、ルールの取得と属性の削減のための重要な方法の 1 つです。
ラフセット属性の削減の現在の目標は、削減される属性の数を最小限に抑えることに重点を置いていますが、削減された属性と決定属性の間の空間的類似性は無視されており、ルール数の増加や汎用性の制限などの問題が発生する可能性があります。
本稿では空間最適化に基づくラフセット属性削減アルゴリズムを提案する。
空間的類似性の概念を導入することにより、空間的類似性が最も高いリダクションを見つけ、リダクション属性と決定属性の間の空間的類似性がより高くなり、より簡潔で広範なルールが得られます。
さらに、従来のラフ セット属性削減アルゴリズムとの比較実験は、多くのデータセットで大幅な改善をもたらした、空間最適化に基づくラフ セット属性削減アルゴリズムの有効性を証明するために設計されています。

要約(オリジナル)

Rough set is one of the important methods for rule acquisition and attribute reduction. The current goal of rough set attribute reduction focuses more on minimizing the number of reduced attributes, but ignores the spatial similarity between reduced and decision attributes, which may lead to problems such as increased number of rules and limited generality. In this paper, a rough set attribute reduction algorithm based on spatial optimization is proposed. By introducing the concept of spatial similarity, to find the reduction with the highest spatial similarity, so that the spatial similarity between reduction and decision attributes is higher, and more concise and widespread rules are obtained. In addition, a comparative experiment with the traditional rough set attribute reduction algorithms is designed to prove the effectiveness of the rough set attribute reduction algorithm based on spatial optimization, which has made significant improvements on many datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google