Attribute reduction is one of the key issues of rough set theory. In order to satisfy different users' requirements for reduction,a dynamic attribute reduction method based on three⁃way decisions is proposed to adapt to the change of user preferences. First,incorporating multi⁃user preferences,a user preference matrix is defined to describe the preference of each attribute under multiple users. Then,combining attribute preference degree and cost in real problems,the user preference index is proposed to indicate the importance of attribute in the current user group,and used as heuristic information for attribute selection. Finally,the three⁃way decisions theory is used to divide the reduced set and non⁃reduced set into three parts so as to achieve the purpose of updating reduction by taking different strategy. Case analysis and experimental results verify the feasibility and effectiveness of the proposed method,and the obtained reduction can satisfy the requirement of multi⁃user well.
Liu Xin, Hu Jun, Zhang Qinghua, Yu Hong. A dynamic attribute reduction based on three⁃way decisions for multi⁃user preferences. Journal of nanjing University[J], 2022, 58(1): 9-18 doi:10.13232/j.cnki.jnju.2022.01.002
粗糙集理论是一种能有效分析和处理不精确、不一致、不完整信息与知识的数学工具[1].属性约简是粗糙集理论的核心研究内容之一,其目标是保持信息系统分类能力不变的情形下,去除冗余属性,在知识获取以及数据降维方面具有关键作用[2].约简的好坏最初以约简的长短和分类精度高低作为评判标准,随着粗糙集模型的改进以及相应约简准则的研究,现如今往往还会考虑属性的外部信息,例如获取属性所需代价、不同用户对属性的偏好等.例如,Min et al[3]首次将测试代价引入粗糙集理论,提出测试代价敏感粗糙集理论模型.Wang and Wang[4]提出属性序的概念来表示用户对属性的偏好,并设计了一种基于Showron分辨矩阵的属性约简方法.
属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型.
... 粗糙集理论是一种能有效分析和处理不精确、不一致、不完整信息与知识的数学工具[1].属性约简是粗糙集理论的核心研究内容之一,其目标是保持信息系统分类能力不变的情形下,去除冗余属性,在知识获取以及数据降维方面具有关键作用[2].约简的好坏最初以约简的长短和分类精度高低作为评判标准,随着粗糙集模型的改进以及相应约简准则的研究,现如今往往还会考虑属性的外部信息,例如获取属性所需代价、不同用户对属性的偏好等.例如,Min et al[3]首次将测试代价引入粗糙集理论,提出测试代价敏感粗糙集理论模型.Wang and Wang[4]提出属性序的概念来表示用户对属性的偏好,并设计了一种基于Showron分辨矩阵的属性约简方法. ...
Generalized attribute reduct in rough set theory
1
2016
... 粗糙集理论是一种能有效分析和处理不精确、不一致、不完整信息与知识的数学工具[1].属性约简是粗糙集理论的核心研究内容之一,其目标是保持信息系统分类能力不变的情形下,去除冗余属性,在知识获取以及数据降维方面具有关键作用[2].约简的好坏最初以约简的长短和分类精度高低作为评判标准,随着粗糙集模型的改进以及相应约简准则的研究,现如今往往还会考虑属性的外部信息,例如获取属性所需代价、不同用户对属性的偏好等.例如,Min et al[3]首次将测试代价引入粗糙集理论,提出测试代价敏感粗糙集理论模型.Wang and Wang[4]提出属性序的概念来表示用户对属性的偏好,并设计了一种基于Showron分辨矩阵的属性约简方法. ...
Test?cost?sensitive attribute reduction
1
2011
... 粗糙集理论是一种能有效分析和处理不精确、不一致、不完整信息与知识的数学工具[1].属性约简是粗糙集理论的核心研究内容之一,其目标是保持信息系统分类能力不变的情形下,去除冗余属性,在知识获取以及数据降维方面具有关键作用[2].约简的好坏最初以约简的长短和分类精度高低作为评判标准,随着粗糙集模型的改进以及相应约简准则的研究,现如今往往还会考虑属性的外部信息,例如获取属性所需代价、不同用户对属性的偏好等.例如,Min et al[3]首次将测试代价引入粗糙集理论,提出测试代价敏感粗糙集理论模型.Wang and Wang[4]提出属性序的概念来表示用户对属性的偏好,并设计了一种基于Showron分辨矩阵的属性约简方法. ...
Reduction algorithms based on discernibility matrix:The ordered attributes method
1
2001
... 粗糙集理论是一种能有效分析和处理不精确、不一致、不完整信息与知识的数学工具[1].属性约简是粗糙集理论的核心研究内容之一,其目标是保持信息系统分类能力不变的情形下,去除冗余属性,在知识获取以及数据降维方面具有关键作用[2].约简的好坏最初以约简的长短和分类精度高低作为评判标准,随着粗糙集模型的改进以及相应约简准则的研究,现如今往往还会考虑属性的外部信息,例如获取属性所需代价、不同用户对属性的偏好等.例如,Min et al[3]首次将测试代价引入粗糙集理论,提出测试代价敏感粗糙集理论模型.Wang and Wang[4]提出属性序的概念来表示用户对属性的偏好,并设计了一种基于Showron分辨矩阵的属性约简方法. ...
A reduction algorithm meeting users' requirements
2
2002
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
一种面向用户需求的属性约简算法
1
2014
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
A model of machine learning based on user preference of attributes
1
2006
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
A model of user?oriented reduct construction for machine learning
1
2008
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
User?oriented feature selection for machine learning
1
2007
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
属性序下的增量式Pawlak约简算法
1
2011
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
属性序下的增量式Pawlak约简算法
1
2011
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
一种基于属性序的决策规则挖掘算法
1
2012
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
一种基于属性序的决策规则挖掘算法
1
2012
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
Attributes reduction model with user preferences
1
2014
... 属性序是描述用户偏好的方式之一,能从语义层面反映用户对特定属性的兴趣或需求,在信息系统中以属性重要度或者属性自身代价形式都可以转化为属性序.Zhao and Wang[5]提出一种求解属性序下属性排序靠前的属性约简方法,还给出属性的三种序关系:全序、组序以及平衡序.韩素青和阴桂梅[6]将属性约简问题转化为集合的覆盖约简问题,设计一种面向用户偏好的属性约简算法.Yao et al[7-8]提出一种基于用户对属性偏好的泛化模型,综合考虑属性内部信息和外部信息,可以得到用户更期望属性集.Liang et al[9]研究特定领域的属性语义信息,通过对一组特征的偏好关系描述来构造此类用户需求的属性子集.官礼和等[10-11]为解决决策表动态变化问题,研究了属性序下基于分辨矩阵的Pawlak增量式约简,能快速更新约简子集,同时提出一种属性序下的分层递阶的决策规则挖掘算法,解决了给定序下决策规则唯一性问题,并对待识别样本不会产生矛盾的决策.Yue et al[12]基于属性序,设计链表的结构存储识别项的元素,用可分辨性阈值避免过拟合,提出带有用户首选项的属性约简模型. ...
An incremental attribute reduction method for dynamic data mining