THUẬT TOÁN GIA TĂNG LỌC - ĐÓNG GÓI  TÌM TẬP RÚT GỌN TRONG BẢNG QUYẾT ĐỊNH KHÔNG ĐẦY ĐỦ KHI TẬP ĐỐI TƯỢNG VÀ TẬP THUỘC TÍNH THAY ĐỔI GIÁ TRỊ

Nguyễn Anh Tuấn; Nguyễn Long Giang; Vũ Đức Thi

doi:10.34238/tnu-jst.4684

THUẬT TOÁN GIA TĂNG LỌC - ĐÓNG GÓI TÌM TẬP RÚT GỌN TRONG BẢNG QUYẾT ĐỊNH KHÔNG ĐẦY ĐỦ KHI TẬP ĐỐI TƯỢNG VÀ TẬP THUỘC TÍNH THAY ĐỔI GIÁ TRỊ

Thông tin bài báo

Ngày nhận bài: 22/06/21 Ngày hoàn thiện: 12/08/21 Ngày đăng: 18/08/21

Các tác giả

1. Nguyễn Anh Tuấn , Trường Cao đẳng Vĩnh Phúc
2. Nguyễn Long Giang, Viện Công nghệ thông tin - Viện Hàn lâm Khoa học và Công nghệ Việt Nam
3. Vũ Đức Thi, Viện Công nghệ thông tin - Đại học Quốc gia Hà Nội

Tóm tắt

Trong xu thế phát triển của dữ liệu lớn, các bảng quyết định thường không đầy đủ, ngày càng có kích thước lớn và luôn thay đổi, cập nhật. Việc xây dựng các thuật toán gia tăng hiệu quả theo phương pháp tiếp cận lọc - đóng gói nhằm giảm thiểu số thuộc tính tập rút gọn, từ đó nâng cao hiệu quả các mô hình phân lớp, học máy là vấn đề nghiên cứu rất cần thiết. Trong bài báo này, chúng tôi đề xuất hai thuật toán gia tăng lọc - đóng gói tìm tập rút gọn của bảng quyết định không đầy đủ thay đổi sử dụng khoảng cách: thuật toán IFWA_U_Obj trong trường hợp tập đối tượng thay đổi giá trị và thuật toán IFWA_U_Attr trong trường hợp tập thuộc tính thay đổi giá trị. Kết quả thực nghiệm trên các tập dữ liệu mẫu cho thấy, các thuật toán gia tăng lọc - đóng gói đề xuất hiệu quả hơn về số lượng thuộc tính tập rút gọn và độ chính xác phân lớp so với các thuật toán lọc đã công bố.

Từ khóa

Lý thuyết tập thô; Bảng quyết định không đầy đủ; Rút gọn thuộc tính; Tập rút gọn; Thuật toán gia tăng; Lọc - Đóng gói

Toàn văn:

PDF

Tài liệu tham khảo

[1] Z. Pawlak, “Rough sets,” International Journal of Computer and Information Sciences, vol. 11, no. 5, pp. 341-356, 1982.

[2] M. Kryszkiewicz, “Rough set approach to incomplete information systems,” Information Science, vol. 112, pp. 39-49, 1998.

[3] L. G. Nguyen and H. S. Nguyen, “Metric based attribute reduction in incomplete decision tables,” International Workshop on Rough Sets, Fuzzy Sets, Data Mining, and Granular-Soft Computing. Springer, 2013, pp. 99-110.

[4] A. T. Nguyen and L. G. Nguyen, “About a Distance Measure and Application for Finding Reduct in Incomplete Decision Tables,” International Journal of Engineering and Advanced Technology (IJEAT), vol. 9, no. 1, pp. 6294-6298, 2019.

[5] D. Liu, T. Li, and J. Zhang, “A rough set-based incremental approach for learning knowledge in dynamic incomplete information systems,” International Journal of Approximate Reasoning, vol. 55, no. 8, pp. 1764-1786, 2014.

[6] W. H. Shu and W. B. Qian, “An incremental approach to attribute reduction from dynamic incomplete decision systems in rough set theory,” Data and Knowledge Engineering, vol. 100, pp. 116-132, 2015.

[7] J. Yu, L. Sang, and H. Dong, “Based on attribute order for dynamic attribute reduction in the incomplete information system,” 2018 2nd IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), IEEE, 2018, pp. 2475-2478, doi: https://doi.org/10.1007/s13042-020-01089-4.

[8] C. Zhang, J. Dai, and J. Chen, “Knowledge granularity based incremental attribute reduction for incomplete decision systems”, International Journal of Machine Learning and Cybernetics, vol. 11, pp. 1141-1157, 2020. https://doi.org/10.1007/s13042-020-01089-4.

[9] D. Zhang, R. Li, X. Tang, and Y. Zhao, “An incremental reduct algorithm based on generalized decision for incomplete decision tables,” 2008 3rd International Conference on Intelligent System and Knowledge Engineering, IEEE, vol. 1, pp. 340-344, 2008.

[10] W. H. Shu and H. Shen, “Updating attribute reduction in incomplete decision systems with the variation of attribute set,” International Journal of Approximate Reasoning, vol. 55, no. 3, pp. 867-884, 2014.

[11] W. H. Shu and H. Shen, “Incremental feature selection based on rough set in dynamic incomplete data,” Pattern Recognition, vol. 47, pp. 3890-3906, 2014.

[12] X. Xie and X. Qin, “A novel incremental attribute reduction approach for dynamic incomplete decision systems,” International Journal of Approximate Reasoning, vol. 93, pp. 443-462, 2018.

DOI: https://doi.org/10.34238/tnu-jst.4684

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ