کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6861966 | 1439261 | 2018 | 21 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Discernibility matrix based incremental attribute reduction for dynamic data
ترجمه فارسی عنوان
ماتریس قابل تشخیص بر اساس ویژگی افزایشی بر اساس داده های پویا است
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
کاهش مشخصه، ماتریس قابل تشخیص، الگوریتم افزایشی، داده های پویا،
ترجمه چکیده
داده های پویا، که در آن مقادیر اشیا در طول زمان تغییر می کنند، در برنامه های واقعی در همه جا مورد استفاده قرار می گیرند. اگر چه محققان الگوریتم های کاهش چند ویژگی افزایشی را برای پردازش داده های پویا توسعه داده اند، کاهش یافته های حاصل از این الگوریتم ها معمولا مطلوب نیستند. برای غلبه بر این کمبود، در این مقاله پیشنهاد می کنیم الگوریتم کاهش ویژگی های افزایشی مبتنی بر ماتریس تشخیص، که از طریق آن همه کاهش می یابد، از جمله کاهش بهینه، داده های پویا را می توان به طور پیوسته به دست آورد. علاوه بر این، برای افزایش بهره وری از الگوریتم کاهش دهنده ویژگی افزایشی مبتنی بر ماتریس تشخیص، الگوریتم کاهش یک ویژگی افزایشی دیگری براساس ماتریس تشخیص یک جدول تصمیم گیری جمع و جور طراحی شده است. تجزیه و تحلیل های تئوری و نتایج تجربی نشان می دهد که الگوریتم دوم نیاز به زمان بسیار کمتری برای پیدا کردن کاهش از سابق دارد و همین کاهش می تواند توسط هر دو تولید شود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Dynamic data, in which the values of objects vary over time, are ubiquitous in real applications. Although researchers have developed a few incremental attribute reduction algorithms to process dynamic data, the reducts obtained by these algorithms are usually not optimal. To overcome this deficiency, in this paper, we propose a discernibility matrix based incremental attribute reduction algorithm, through which all reducts, including the optimal reduct, of dynamic data can be incrementally acquired. Moreover, to enhance the efficiency of the discernibility matrix based incremental attribute reduction algorithm, another incremental attribute reduction algorithm is developed based on the discernibility matrix of a compact decision table. Theoretical analyses and experimental results indicate that the latter algorithm requires much less time to find reducts than the former, and that the same reducts can be output by both.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 140, 15 January 2018, Pages 142-157
Journal: Knowledge-Based Systems - Volume 140, 15 January 2018, Pages 142-157
نویسندگان
Wei Wei, Xiaoying Wu, Jiye Liang, Junbiao Cui, Yijun Sun,