A variable precision attribute reduction approach in multilabel decision tables.
A variable precision attribute reduction approach in multilabel decision tables.
复制标题
多标签决策表中的变精度属性约简方法
DOI：
10.1155/2014/359626
复制
发表时间：
2014
影响因子：
--
通讯作者：
Zhang J
中科院分区：
文献类型：
--
作者：
Li H;Li D;Zhai Y;Wang S;Zhang J
由于多标签数据的高维性，为了减少冗余特征，提高多标签分类的性能，需要在多标签学习中进行特征选择。粗糙集理论作为一种有效的数据分析数学工具，已被广泛应用于特征选择(又称属性约简)。在本研究中，我们提出了一种基于粗糙集理论的变精度多标签数据属性约简，称为δ-置信度约简，它能够正确地捕捉标签之间隐含的不确定性。此外，还介绍了与δ-置信度约简相关的判断理论和区分矩阵，并由此得到了多标签决策表的知识约简方法。
Owing to the high dimensionality of multilabel data, feature selection in multilabel learning will be necessary in order to reduce the redundant features and improve the performance of multilabel classification. Rough set theory, as a valid mathematical tool for data analysis, has been widely applied to feature selection (also called attribute reduction). In this study, we propose a variable precision attribute reduct for multilabel data based on rough set theory, called δ-confidence reduct, which can correctly capture the uncertainty implied among labels. Furthermore, judgement theory and discernibility matrix associated with δ-confidence reduct are also introduced, from which we can obtain the approach to knowledge reduction in multilabel decision tables.
登录
查看更多内容
影响因子：
7.5
作者：
Schapire, RE;Singer, Y
通讯作者：
Singer, Y
正近似：粗糙集理论中属性约简的加速器
影响因子：
14.4
作者：
Qian, Yuhua;Liang, Jiye;Dang, Chuangyin
通讯作者：
Dang, Chuangyin
影响因子：
8
作者：
Boutell, MR;Luo, JB;Brown, CM
通讯作者：
Brown, CM
DOI：
10.1007/bf01001956
发表时间：
1982-01-01
期刊：
INTERNATIONAL JOURNAL OF COMPUTER & INFORMATION SCIENCES
影响因子：
--
作者：
PAWLAK, Z
通讯作者：
PAWLAK, Z
影响因子：
1.1
作者：
ZIARKO, W
通讯作者：
ZIARKO, W