For numerical data,neighborhood rough set model is an effective tool for dealing with uncertain information. The existing neighborhood rough set models only focus on the consistent situation that all samples in the neighborhood are in a single decision class. So they cannot make use of the information contained in the boundary samples with multiple decision class labels in the neighborhood. Aiming at this limitation of neighborhood rough set mode,we combine the concept of maximal consistent block of a tolerance relation with neighborhood rough set model and select the largest equivalent block in a sample neighborhood as the minimum information granule. We establish a new model,called neighborhood rough set model based on maximal consistent block,by redefining some concepts,such as upper and lower approximations, attribute importance and so on. The new model can enlarge the positive region by transforming the boundary samples into consistent samples in smaller information granules. In addition,we construct the corresponding attribute reduction algorithm by using the forward greedy strategy. The effectiveness of the proposed model is validated by the experiments on seven public UCI data sets.
Cheng Yonglin, Li Deyu, Wang Suge. Neighborhood rough set model based on maximal consistent blocks. Journal of nanjing University(Natural Science)[J], 2019, 55(4): 529-536 doi:10.13232/j.cnki.jnju.2019.04.002
为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型.
邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型.
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... [1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... ,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... ,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... ,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... ,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
Grid?clustered rough set model for self?learning and fast reduction
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
Approaches to knowledge reduction based on variable precision rough set model
2
2004
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
A variable precision grey?based multi?granulation rough set model and attribute reduction
1
2018
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
Multi?granularity fuzzy soft probability rough sets∥2018 Chinese Control And Decision Conference
1
2018
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
Probability rough set model based on the semantic in set?valued information system∥2nd IEEE International Conference on Computer and Communications
1
2017
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
粗糙集的最优近似集
1
2016
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
粗糙集的最优近似集
1
2016
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
粗糙集近似集的KNN文本分类算法研究
1
2017
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
粗糙集近似集的KNN文本分类算法研究
1
2017
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
Attribute reduction based on max?decision neighborhood rough set model
2
2018
... 为了提高模型的抗噪性能,确定型粗糙集模型被发展出变精度粗糙集模型和概率粗糙集模型[8,9,10,11,12,13].近年来,张清华等[14,15]将正域内样本个数与样本总数的比值作为参数,用来判断边界样本是否属于正域,提出了粗糙集的最优近似集.本质上,该模型利用全局参数代替了变精度模型中的人为参数.Fan et al[16]提出将边界样本的相似类与决策类做交运算,选择最大的交集作为边界样本新的相似类,提出了最优决策粗糙集模型. ...
Maximal consistent block technique for rule acquisition in incomplete information systems
2
2003
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
Characteristic sets and generalized maximal consistent blocks in mining incomplete data
1
2018
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
基于极大相容块的粗糙性度量及其属性约简
2
2012
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
基于极大团的不完备系统规则获取方法
1
2017
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
面向非完备决策表的正向近似特征选择加速算法
1
2011
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...
面向非完备决策表的正向近似特征选择加速算法
1
2011
... 邻域粗糙集模型被广泛应用于数值型数据的属性约简任务,并取得了良好的效果[1,3,4,5].Hu et al[1,4,5]提出基于邻域粒化和粗糙逼近的数值型属性约简加速算法.针对符号型数据的非完备系统,Yee and Li[17]和其他研究者[18,19,20,21]提出了基于极大相容块粗糙集模型. ...