An accelerator for attribute reduction based on perspective of objects and attributes
An accelerator for attribute reduction based on perspective of objects and attributes
复制标题
基于对象和属性视角的属性约简加速器
DOI：
10.1016/j.knosys.2013.01.027
复制
发表时间：
2013-05
影响因子：
8.8
通讯作者：
Wang, Feng
中科院分区：
文献类型：
--
作者：
Liang, Jiye;Mi, Junrong;Wei, Wei;Wang, Feng
特征选择是模式识别、机器学习和人工智能的一个活跃的研究领域，它极大地提高了预测或分类的性能。在粗糙集理论中，属性约简作为特征选择的一种特殊形式，其目的是保持原始属性集的可识别性。为了解决这个问题，许多启发式属性约简算法已被提出在文献中。然而，这些方法对于大规模数据集是计算耗时的。最近，一个加速器被引入，通过计算逐步缩小宇宙的大小。虽然加速器可以大大缩短计算时间，但它仍然是一个具有挑战性的问题。为了进一步提高这些算法的效率，我们开发了一种新的加速器属性约简，同时减少宇宙的大小和属性的数量在减少的过程中的每次迭代。基于该加速器，对几种典型的启发式属性约简算法进行了加速。实验表明，这些加速算法可以显着减少计算时间，同时保持其结果与以前相同。
Feature selection is an active area of research in pattern recognition, machine learning and artificial intelligence, which greatly improves the performance of forecasting or classification. In rough set theory, attribute reduction, as a special form of feature selection, aims to retain the discernability of the original attribute set. To solve this problem, many heuristic attribute reduction algorithms have been proposed in the literature. However, these methods are computationally time-consuming for large scale datasets. Recently, an accelerator was introduced by computing reducts on gradually reducing the size of the universe. Although the accelerator can considerably shorten the computational time, it remains a challenging issue. To further enhance the efficiency of these algorithms, we develop a new accelerator for attribute reduction, which simultaneously reduces the size of the universe and the number of attributes at each iteration of the process of reduction. Based on the new accelerator, several representative heuristic attribute reduction algorithms are accelerated. Experiments show that these accelerated algorithms can significantly reduce computational time while maintaining their results the same as before.
登录
查看更多内容
不确定知识获取的模糊粗糙集方法
影响因子：
8.8
作者：
Feng, Lin;Li, Tianrui;Gou, Shirong
通讯作者：
Gou, Shirong
DOI：
10.1016/s0031-3203(01)00102-9
发表时间：
2002-04
期刊：
Pattern Recognit.
影响因子：
--
作者：
W. Pedrycz;G. Vukovich
通讯作者：
W. Pedrycz;G. Vukovich
DOI：
10.1007/springerreference_16328
发表时间：
2006
期刊：
--
影响因子：
--
作者：
A. Kusiak
通讯作者：
A. Kusiak
DOI：
10.1016/j.knosys.2011.03.007
发表时间：
2011-08
期刊：
Knowl. Based Syst.
影响因子：
--
作者：
Xibei Yang;Ming Zhang;Huili Dou;Jing-yu Yang
通讯作者：
Xibei Yang;Ming Zhang;Huili Dou;Jing-yu Yang
DOI：
--
发表时间：
2005-05
期刊：
Fundam. Informaticae
影响因子：
--
作者：
Guoyin Wang;Jun Zhao;J. An;Yuehua Wu
通讯作者：
Guoyin Wang;Jun Zhao;J. An;Yuehua Wu