当期目录

2024年 第59卷 第5期 刊出日期：2024-05-20

  

基于粒神经网络的多标签学习

陈玉明,郑光宇,焦娜

2024, 59(5):  1-11.  doi:10.6040/j.issn.1671-9352.7.2023.239

摘要 ( 590 )   HTML ( 8 )   PDF (2876KB) ( 620 )   收藏

参考文献 | 相关文章 | 多维度评价

引入粒计算理论,提出基于粒神经网络的多标签学习方法,采用相似度粒化的技术获得数据在结构上的相关性。样本在单特征上粒化成粒子,多特征上的粒子形成粒向量,并且定义粒子与粒向量的运算规则。在此基础上,引入粒损失函数,构建粒神经网络进行多标签学习,采用多个Mulan多标签数据集进行实验,在多种评价指标上与现有的多标签分类算法比较,结果表明了粒神经网络多标签学习算法的有效性与可行性。

基于三支因果力的邻域推荐算法

范敏,秦琴,李金海

2024, 59(5):  12-22.  doi:10.6040/j.issn.1671-9352.7.2023.0001

摘要 ( 466 )   HTML ( 4 )   PDF (2425KB) ( 283 )   收藏

参考文献 | 相关文章 | 多维度评价

本文将三支决策思想、因果力理论与形式概念分析相结合,提出了三支因果力下的邻域推荐算法。考虑到极端用户评分对推荐精度的影响,根据宽松度和严苛度对用户进行分类,修正极端用户评分。基于修正评分矩阵计算节点之间的三支余弦相似度和节点相似结构重要度,找出专家节点。在对象弱概念需要满足的目标函数和约束条件下进行聚类得到邻域,在邻域中根据属性密度识别关键的条件属性和决策属性并计算置信度,结合三支因果力提取推荐规则对社区成员进行邻域推荐。实验结果表明,本文算法的精确度、召回率、F1均优于其他传统的推荐算法。

基于全局和局部关系的类属特征多标记分类算法

张珊丹,翁伟,谢小竹,魏博文,王劲波,文娟

2024, 59(5):  23-34.  doi:10.6040/j.issn.1671-9352.7.2023.082

摘要 ( 431 )   PDF (2299KB) ( 366 )   收藏

参考文献 | 相关文章 | 多维度评价

针对忽视局部关系中的二阶标记关系问题,本文提出了一种基于全局和局部关系的类属特征多标记分类(global and local relationships based on multi-label classification algorithm with label-specific features, LFGML)算法。通过全局关系的角度来获取类属特征,使用加权平均法计算每个实例的邻域信息,利用杰卡德相似度提取局部关系中的二阶标记关系。LFGML算法在10个多标记数据集Genbase、Medical、Arts、Health、Flags、Cal500、Yeast、Image、Education和Emotions进行了实验。结果表明,所提出的算法相对于其他对比算法在多标记分类中具有明显的的性能优势。

一种邻域粒的模糊C均值聚类算法

郑晨颖,陈颖悦,侯贤宇,江连吉,廖亮

2024, 59(5):  35-44.  doi:10.6040/j.issn.1671-9352.7.2023.343

摘要 ( 419 )   HTML ( 1 )   PDF (5985KB) ( 523 )   收藏

参考文献 | 相关文章 | 多维度评价

针对初始值和噪声的敏感性会导致模糊C均值聚类效果下降这一问题,引入粒计算理论,采用邻域粒化技术,提出邻域粒模糊C均值聚类算法。样本在单特征上使用邻域粒化技术构造邻域粒子,在多特征上粒化形成邻域粒向量,定义多种粒距离公式度量粒子之间的距离。根据粒距离度量,提出粒模糊C均值聚类算法,采用多个数据集进行实验,将粒模糊C均值聚类算法与经典聚类算法进行比较,验证了所提出的邻域粒模糊C均值聚类算法的可行性和有效性。

基于自然最近邻的样本扰动三支聚类

朱金,付玉,管文瑞,王平心

2024, 59(5):  45-51.  doi:10.6040/j.issn.1671-9352.4.2023.137

摘要 ( 333 )   HTML ( 3 )   PDF (3877KB) ( 347 )   收藏

参考文献 | 相关文章 | 多维度评价

利用数据样本的自然最近邻信息,给出了一种基于样本扰动理论的三支聚类算法,结合自然最近邻信息生成2组扰动数据集,随机提取特征子集并使用K-means聚类算法获得不同的聚类结果,利用共现概率矩阵和确定函数获得样本的稳定性,根据样本稳定性阈值将样本划分为稳定区域和不稳定区域,再对2个区域的样本使用不同的策略获得每个类簇的核心域和边界域。实验采用5个公开数据集与2种传统的聚类算法进行对比, 结果验证了所提算法的有效性。

基于优化可辨识矩阵的多粒度粗糙集属性约简算法

宋苏洋,叶军,曾广财,孙清

2024, 59(5):  52-62.  doi:10.6040/j.issn.1671-9352.0.2023.398

摘要 ( 429 )   HTML ( 4 )   PDF (5146KB) ( 361 )   收藏

参考文献 | 相关文章 | 多维度评价

为了解决多粒度粗糙集中构造可辨识矩阵计算量过大等问题,提出了一种基于优化可辨识矩阵的改进的多粒度属性约简算法。使用属性重要度作为相似度构造不同粒度空间,输出各粒度空间的优化可辨识矩阵中的核属性,用于求解最终约简,对约简集进行反向冗余检测,避免存在冗余属性。结果表明:该算法能够有效降低时间复杂度,提升约简效率。实例和多个UCI数据集的实验结果验证了该算法的有效性。

基于模糊对象语言概念格的规则提取

吴江,刘德山,于莹莹,庞阔,李晓峰

2024, 59(5):  63-69.  doi:10.6040/j.issn.1671-9352.7.2023.188

摘要 ( 341 )   HTML ( 1 )   PDF (4048KB) ( 188 )   收藏

参考文献 | 相关文章 | 多维度评价

针对不确定环境下模糊语言决策信息的处理问题,本文提出基于不协调模糊对象语言决策形式背景的具有置信度的语言规则提取方法。构建不协调模糊对象语言决策形式背景,基于模糊对象语言概念格之间的细于关系对模糊对象语言决策形式背景的协调性进行讨论。给出规则置信度的定义,借助规则置信度研究不协调模糊对象语言决策形式背景上的提取规则,提出相应的具有置信度的语言规则提取方法。通过学校学生整体成绩预测实例与实验说明该方法的有效性与实用性。

基于次相关特征和邻域互信息的在线多标记特征选择算法

程雨轩,毛煜,张小清,曾艺祥,林耀进

2024, 59(5):  70-81.  doi:10.6040/j.issn.1671-9352.7.2023.4523

摘要 ( 372 )   HTML ( 2 )   PDF (7674KB) ( 266 )   收藏

参考文献 | 相关文章 | 多维度评价

为了充分地挖掘被单一度量指标算法忽略但对分类结果有利的特征,提出了基于次相关特征和邻域互信息的在线多标记特征选择算法,通过计算得到的新到达特征的重要性以及相关度,分析其显著性的区别,将特征区分为显著特征以及次相关特征。利用邻域交互信息对新到达的特征与已选特征集合进行冗余性分析,剔除依赖度较低的特征,以此逐步提升特征子集的质量。构建了基于全局的线性和非线性关系的度量指标,并以此来计算特征的局部相关度,有效地挖掘次相关特征。充分考虑特征空间中次相关特征存在的问题,将次相关特征从特征集合中剥离并单独保存,使之在冗余分析阶段不会因显著特征对度量指标敏感度高所产生的影响而被剔除出特征集合。建立了特征选择指标,利用迭代策略根据指标进行特征选择。实验结果表明,该算法具有很好的有效性和稳定性。

决策集值系统中的知识约简

方逢祺,吴伟志

2024, 59(5):  82-89.  doi:10.6040/j.issn.1671-9352.7.2023.384

摘要 ( 467 )   HTML ( 1 )   PDF (4231KB) ( 333 )   收藏

参考文献 | 相关文章 | 多维度评价

针对决策为集合值的数据集的知识约简问题,定义了决策集值系统、确定性决策集值系统和倾向性决策集值系统等几类决策系统的概念。对比了决策集值系统与相类似的几类信息系统的区别,明确了决策集值系统的相关特点。结合三支决策方法,定义了决策集值系统上的单值约简与多值约简的概念,并给出了在确定性决策集值系统上计算约简的方法。结果表明,该方法在确定性决策集值系统上能有效提取信息。

基于高维相关性多标签在线流特征选择

朱礼全,林耀进,毛煜,程雨轩

2024, 59(5):  90-99.  doi:10.6040/j.issn.1671-9352.7.2023.148

摘要 ( 414 )   HTML ( 2 )   PDF (6305KB) ( 325 )   收藏

参考文献 | 相关文章 | 多维度评价

提出了一种基于高维相关性的多标签在线流特征选择算法,该算法将标签空间进行等价映射,构建基于高维标签空间的权重无向图,利用图信息和Jaccard指数来衡量标签之间的高维权重,利用标签的高维相关性计算新到达特征的显著性。通过迭代显著性均值来判断新特征的显著水平,设计了一种基于平衡全局和局部的在线特征选择算法对已选特征子集进行动态优化,考虑已选特征与标签空间的全局相关性,过滤掉不相关的特征。分析已选特征之间的局部相关性,剔除冗余特征。与6种多标签特征选择方法进行对比实验,实验结果验证了所提算法的有效性。

基于邻域粗糙集的偏标记特征选择

高贺飞,李艳,王硕

2024, 59(5):  100-113.  doi:10.6040/j.issn.1671-9352.7.2023.4204

摘要 ( 388 )   HTML ( 2 )   PDF (7771KB) ( 227 )   收藏

参考文献 | 相关文章 | 多维度评价

基于邻域粗糙集框架提出一种针对偏标记数据的特征选择方法,构建偏标记邻域决策系统,定义偏标记学习问题中邻域粗糙集的下近似和依赖度,建立适用于偏标记分类问题的特征选择算法。该算法能够在对特征空间进行邻域粒化的同时度量候选标记集合中标记间的相似程度,选出与标记信息相关性较强的特征子集。使用了2种不同于最常用随机方法的假阳性候选标记生成机制,在实验部分对不同偏标记生成机制进行分析和对比。最后给出了在6个真实偏标记数据集和6个受控单标记数据集上的大量实验对比结果,验证了所提特征选择方法的有效性。

多尺度决策系统的覆盖粗糙模糊集及其最优尺度选择

施虹艺,马周明

2024, 59(5):  114-130.  doi:10.6040/j.issn.1671-9352.7.2023.380

摘要 ( 518 )   HTML ( 1 )   PDF (12546KB) ( 441 )   收藏

参考文献 | 相关文章 | 多维度评价

进一步推广基于覆盖的粗糙模糊集模型,在对象最小描述的近邻域上考虑对象在决策属性下的隶属度,提出了2种不同的覆盖粗糙模糊集,将覆盖粗糙模糊集与多尺度决策系统结合,构建了4种多尺度决策系统中的覆盖粗糙集模型。定义了对应的正域和属性重要度,设计相应的最优尺度选择算法。最后通过实验分析,比较了4种覆盖粗糙模糊集模型在多尺度决策系统中的最优尺度与原始尺度在回归预测效果上的差异。实验结果表明,第4种多尺度决策系统覆盖粗糙模糊集模型所选择的最优尺度组合有效提高回归模型的预测能力。