《计算机应用研究》|Application Research of Computers

基于混合频繁模式树的粗糙集属性约减算法的研究与应用

Research and application on rough set attribute reduction model based on mixed frequent pattern tree

免费全文下载 (已被下载 次)  
获取PDF全文
作者 林春喜,徐宏喆,王谊青,李文
机构 1.西安交通大学 电子信息工程学院,西安 710049;2.中山大学 数据科学与计算机学院,广州 510006
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2018)04-0988-04
DOI 10.3969/j.issn.1001-3695.2018.04.006
摘要 粗糙集对于学习分析系统的属性约减模型有着重要的研究意义和使用价值。针对教育大数据高维度、不完备、增量性等现状,提出了基于不完备决策表的差别信息增量更新算法,并结合树型结构对差别信息的高效存储和粗糙集的核属性概念,设计构建了MIX_FP树,实现高维属性的有效约减。实验结果验证了该算法具有较好的运行效率和空间性能,为教育大数据的属性约减提供了有效的方法,同时为基于粗糙集理论的属性约减算法研究及其在学习分析领域的应用提供了新的研究思路。
关键词 属性约减;粗糙集;差别信息;MIX_FP树;学习分析技术
基金项目
本文URL http://www.arocmag.com/article/01-2018-04-006.html
英文标题 Research and application on rough set attribute reduction model based on mixed frequent pattern tree
作者英文名 Lin Chunxi, Xu Hongzhe, Wang Yiqing, Li Wen
机构英文名 1.SchoolofElectronics&InformationEngineering,Xi'anJiaotongUniversity,Xi'an710049,China;2.SchoolofDataScience&ComputerScience,SunYatsenUniversity,Guangzhou510006,China
英文摘要 Rough set theory has essential meaning in theory and practical value for the attribute reduction model of learning analysis system. In order to solve the problem of the high dimension, incompleteness and incremental property of education big data, this paper proposed a discernibility information algorithm and an incremental updating algorithm based on incomplete decision table. Then, it combined the tree structure for effective storage of discernibility information and the core concept of rough set to design and construct the MIX_FP tree(mixed frequent pattern tree) structure, which could provide effective reduction of high dimension attribute of information system decision table. The experiment results show that the rough set attri-bute reduction algorithm based on MIX_FP tree has good operational efficiency and spatial performance. The model provides an effective support for the attribute reduction of education data, and provides a new research idea for the research and application on learning analysis field of attribute reduction algorithm based on rough set theory.
英文关键词 attribute reduction; rough set; discernibility information; MIX_FP tree; learning analysis technique
参考文献 查看稿件参考文献
  [1] 陈律. 大数据背景下学习分析技术对教学模式的变革[J] . 中国教育信息化, 2013(24):15-17.
[2] 冯翔, 余明华, 马晓玲, 等. 基于大数据技术的学习分析系统架构[J] . 华东师范大学学报:自然科学版, 2014(2):20-29.
[3] Rupp A A, Leighton J P, Baker R S, et al. Educational data mining and learning analytics[M] //Learning Analytics. [S. l. ] :Wiley, 2014:379-396.
[4] Pawlak Z. Rough sets[J] . International Journal of Computer & Information Sciences, 1982, 11(8):341-356.
[5] Pawlak Z, Skowron A. Rough sets:some extensions[J] . Information Sciences, 2007, 177(1):28-40.
[6] 王长忠. 基于粗糙集的知识获取理论与方法[M] . 哈尔滨:哈尔滨工业大学出版社, 2010.
[7] 李进金. 基于粗糙集与概念格的知识系统模型[M] . 北京:科学出版社, 2013.
[8] 杨传健, 葛浩, 汪志圣. 基于粗糙集的属性约简方法研究综述[J] . 计算机应用研究, 2012, 29(1):16-20.
[9] Hońko P. Improving indiscernibility matrix based approach for attribute reduction[M] //Rough Sets and Knowledge Technology. [S. l. ] :Springer International Publishing, 2015.
[10] Wei Qianjin, Gu Tianlong. A new symbolic method for discernibility matrix in rough set[J] . International Journal of Hybrid Information Technology, 2014, 7:199-210.
[11] 徐章艳, 杨炳儒, 宋威, 等. 几种不同属性约简的比较研究[J] . 小型微型计算机系统, 2008, 29(5):848-853.
[12] 孙成敏, 刘大有, 孙舒杨. 面向不完备信息系统的粗糙集方法研究[J] . 小型微型计算机系统, 2007, 28(10):1869-1873.
[13] Grzymala-Busse J W. A rough set approach to incomplete data[M] // Rough Sets and Knowledge Technology. [S. l. ] :Springer International Publishing, 2015:50-55.
[14] 张清国, 郑雪峰, 张明德, 等. 信息量不完备决策表属性约简的一种新算法[J] . 计算机工程与应用, 2010, 46(2):19-21.
[15] 张宏宇, 梁吉业. 不完备信息系统下的变精度粗糙集模型及其知识约简算法[J] . 计算机科学, 2003, 30(4):153-155.
[16] 翟翠红, 秦克云. 不协调决策表中基于对象的近似约简[J] . 计算机科学, 2014, 41(3):245-248.
[17] 王元珍, 裴小兵. 增量式的高效属性约简算法[J] . 小型微型计算机系统, 2005, 26(11):1983-1985.
[18] 冯少荣, 张东站. 一种高效的增量式属性约简算法[J] . 控制与决策, 2011, 26(4):495-500.
[19] 杨明, 吕静. 一种基于C-Tree的属性约简增量式更新算法[J] . 控制与决策, 2012, 27(12):1769-1775.
[20] 蒋瑜. 基于差别信息树的rough set属性约简算法[J] . 控制与决策, 2015, 30(8):1531-1536.
[21] 张宁, 邓大勇, 裴明华. 基于F-粗糙集的三支决策模型[J] . 南京大学学报:自然科学版, 2013, 49(5):582-587.
[22] Deng Dayong, Yan Dianxun, Chen Lin. Attribute significance for F-parallel reducts[C] //Proc of IEEE International Conference on Granular Computing. 2011:156-161.
[23] 杨明. 一种基于改进差别矩阵的核增量式更新算法[J] . 计算机学报, 2006, 29(3):407-413.
收稿日期 2016/12/19
修回日期 2017/2/12
页码 988-991,1027
中图分类号 TP391
文献标志码 A