Về một thuật toán gia tăng tìm tập rút gọn của bảng quyết định không đầy đủ

Research and Development on Information and Communication Technology Pub Date : 2019-06-24 DOI:10.32913/mic-ict-research-vn.v2019.n1.855

Nguyễn Long Giang, Phạm Minh Ngọc Hà, Nguyễn Văn Thiện, Nguyễn Bá Quảng

{"title":"Về một thuật toán gia tăng tìm tập rút gọn của bảng quyết định không đầy đủ","authors":"Nguyễn Long Giang, Phạm Minh Ngọc Hà, Nguyễn Văn Thiện, Nguyễn Bá Quảng","doi":"10.32913/mic-ict-research-vn.v2019.n1.855","DOIUrl":null,"url":null,"abstract":"Mô hình tập thô dung sai là công cụ hiệu quả giải quyết bài toán rút gọn thuộc tính trên bảng quyết định không đầy đủ. Trong mấy năm gần đây, các nhà nghiên cứu đã đề xuất một số thuật toán gia tăng tìm tập rút gọn theo tiếp cận tập thô dung sai nhằm giảm thiểu thời gian thực hiện. Tuy nhiên, các thuật toán đề xuất đều theo hướng tiếp cận lọc truyền thống, nghĩa là bước kiểm tra độ chính xác phân lớp độc lập với bước tìm tập rút gọn. Do đó, tập rút gọn tìm được chưa tối ưu cả về số lượng thuộc tính và độ chính xác phân lớp. Trong bài báo này, chúng tôi đề xuất thuật toán gia tăng IDS_IFW_AO tìm tập rút gọn theo tiếp cận lai ghép lọc – đóng gói sử dụng độ đo khoảng cách. Kết quả thử nghiệm trên các tập dữ liệu mẫu cho thấy, thuật toán lai IDS_IFW_AO hiệu quả hơn thuật toán lọc IARM-I về độ chính xác phân lớp và số thuộc tính tập rút gọn.","PeriodicalId":432355,"journal":{"name":"Research and Development on Information and Communication Technology","volume":"113 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-06-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Research and Development on Information and Communication Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.32913/mic-ict-research-vn.v2019.n1.855","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Mô hình tập thô dung sai là công cụ hiệu quả giải quyết bài toán rút gọn thuộc tính trên bảng quyết định không đầy đủ. Trong mấy năm gần đây, các nhà nghiên cứu đã đề xuất một số thuật toán gia tăng tìm tập rút gọn theo tiếp cận tập thô dung sai nhằm giảm thiểu thời gian thực hiện. Tuy nhiên, các thuật toán đề xuất đều theo hướng tiếp cận lọc truyền thống, nghĩa là bước kiểm tra độ chính xác phân lớp độc lập với bước tìm tập rút gọn. Do đó, tập rút gọn tìm được chưa tối ưu cả về số lượng thuộc tính và độ chính xác phân lớp. Trong bài báo này, chúng tôi đề xuất thuật toán gia tăng IDS_IFW_AO tìm tập rút gọn theo tiếp cận lai ghép lọc – đóng gói sử dụng độ đo khoảng cách. Kết quả thử nghiệm trên các tập dữ liệu mẫu cho thấy, thuật toán lai IDS_IFW_AO hiệu quả hơn thuật toán lọc IARM-I về độ chính xác phân lớp và số thuộc tính tập rút gọn.

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

关于一个不断增长的算法，在一个不完整的决策表中寻找练习

容忍错误的练习模型是一种有效的工具，可以有效地减少决策板上的属性。在过去的几年里，研究人员提出了一些增加的算法，以减少错误的粗法，以减少时间。然而，所提出的算法都遵循传统的过滤方法，这意味着分层精度测试与简化练习步骤相独立。因此，缩放练习在属性的数量和层次精度方面都没有得到优化。在这篇文章中，我们提出了一种改进的IDS_IFW_AO算法，以一种跨物种过滤的方法来寻找压缩练习——使用距离度量进行打包。对模型数据集的测试结果表明，lai算法在分层精度和缩略学习属性方面优于iarmi滤波算法。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Research and Development on Information and Communication Technology

自引率

0.00%

发文量