Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Decision-Oriented Rough Set Methods Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

A Moderate Attribute Reduction Approach in Decision-Theoretic Rough Set

verfasst von : Hengrong Ju, Xibei Yang, Pei Yang, Huaxiong Li, Xianzhong Zhou

Erschienen in: Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Attribute reduction is an important topic in Decision-Theoretic Rough Set theory. To overcome the limitations of lower-approximation-monotonicity based reduct and cost minimum based reduct, a moderate attribute reduction approach is proposed in this paper, which combines the lower approximation monotonicity criterion and cost minor criterion. Furthermore, the proposed attribute reduct is searched by solving an optimization problem, and a fusion fitness function is proposed in a generic algorithm, such that the reduct is computed in a low time complexity. Experimental analysis is included to validate the theoretic analysis and quantify the effectiveness of the proposed attribute reduction algorithm. This study indicates that the optimality is not the best and sub-optimum may be the best choice.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel How to Evaluate Three-Way Decisions Based Binary Classification?
Nächstes Kapitel Decisions Tree Learning Method Based on Three-Way Decisions
Literatur
1.
Yao, Y.Y., Wong, S.K.M., Lingras, P.: A decision-theoretic rough set model. In: Ras, Z.W., Zemankova, M., Emrich, M.L. (eds.) Methodologies for Intelligent Systems, vol. 5, pp. 17–24. North-Holland, New York (1990)
2.
Yao, Y.Y., Wong, S.K.M.: A decision theoretic framework for approximating concepts. Int. J. Man Mach. Stud. 37, 793–809 (1992)CrossRef
3.
Jia, X.Y., Tang, Z.M., Liao, W.H., et al.: On an optimization representation of decision-theoretic rough set model. Int. J. Approx. Reason. 55, 156–166 (2014)MathSciNetCrossRefMATH
4.
Li, H., Zhou, X., Zhao, J., Huang, B.: Cost-sensitive classification based on decision-theoretic rough set model. In: Li, T., Nguyen, H.S., Wang, G., Grzymala-Busse, J., Janicki, R., Hassanien, A.E., Yu, H. (eds.) RSKT 2012. LNCS, vol. 7414, pp. 379–388. Springer, Heidelberg (2012) CrossRef
5.
Li, H., Zhou, X., Huang, B., Liu, D.: Cost-sensitive three-way decision: a sequential strategy. In: Lingras, P., Wolski, M., Cornelis, C., Mitra, S., Wasilewski, P. (eds.) RSKT 2013. LNCS, vol. 8171, pp. 325–337. Springer, Heidelberg (2013) CrossRef
6.
Liang, D.C., Liu, D., Pedrycz, W., Hu, P.: Triangular fuzzy decision-theoretic rough sets. Int. J. Approx. Reason. 54, 1087–1106 (2013)CrossRefMATH
7.
Liang, D.C., Liu, D.: Systematic studies on three-way decisions with interval-valued decision-theoretic rough sets. Inform. Sci. 276, 186–203 (2014)CrossRef
8.
Liu, D., Li, T.R., Li, H.X.: A multiple-category classification approach with decision-theoretic rough sets. Fundam. Inform. 115, 173–188 (2012)MathSciNetCrossRefMATH
9.
Liu, D., Li, T.R., Liang, D.C.: Incorporating logistic regression to decision-theoretic rough sets for classification. Int. J. Approx. Reason. 55(1), 197–210 (2014)MathSciNetCrossRefMATH
10.
Yu, H., Liu, Z.G., Wang, G.Y.: An automatic method to determine the number of clusters using decision-theoretic rough set. Int. J. Approx. Reason. 55, 101–115 (2014)MathSciNetCrossRefMATH
11.
Qian, Y.H., Zhan, G.H., Sang, Y.L., et al.: Multigranulation decision-theoretic rough sets. Int. J. Approx. Reason. 55, 225–237 (2013)MathSciNetCrossRefMATH
12.
13.
Li, W.T., Xu, W.H.: Multigranulation decision-theoretic rough set in ordered information system. Fundam. Inform. 139, 67–89 (2015)MathSciNetCrossRefMATH
14.
Li, W., Xu, W.: Probabilistic rough set model based on dominance relation. In: Miao, D., Pedrycz, W., Slezak, D., Peters, G., Hu, Q., Wang, R. (eds.) RSKT 2014. LNCS, vol. 8818, pp. 856–864. Springer, Heidelberg (2014) CrossRef
15.
Ju, H.R., Yang, X.B., Song, X.N., et al.: Dynamic updating multigranulation fuzzy rough set: approximations and reducts. Int. J. Mach. Learn. Cyber. 5(6), 981–990 (2014)CrossRef
16.
Ju, H.R., Yang, X.B., Dou, H.L., et al.: Variable precision multigranulation rough set and attributes reduction. Trans. Rough Set 8, 52–68 (2014)
17.
Zhao, Y., Wong, S.K.M., Yao, Y.: A note on attribute reduction in the decision-theoretic rough set model. In: Peters, J.F., Skowron, A., Chan, C.-C., Grzymala-Busse, J.W., Ziarko, W.P. (eds.) Transactions on Rough Sets XIII. LNCS, vol. 6499, pp. 260–275. Springer, Heidelberg (2011) CrossRef
18.
Ma, X.A., Wang, G.Y., Yu, H., et al.: Decision region distribution preservation reduction in decision-theoretic rough set model. Inform. Sci. 278, 614–640 (2014)MathSciNetCrossRefMATH
19.
20.
Li, H.X., Zhou, X.Z., Zhao, J.B., et al.: Non-monotonic attribute reduction in decision-theoretic rough sets. Fundam. Inform. 126(4), 415–432 (2013)MathSciNetCrossRefMATH
21.
Jia, X.Y., Liao, W.H., Tang, Z.M., et al.: Minimum cost attribute reduction in decision-theoretic rough set models. Inform. Sci. 219, 151–167 (2013)MathSciNetCrossRefMATH
22.
Yang, X.B., Song, X.N., Chen, Z.H., et al.: On multigranulation rough sets in incomplete information system. Int. J. Mach. Learn. Cyb. 3, 223–232 (2012)CrossRef
23.
Yang, X.B., Qi, Y.S., Song, X.N., et al.: Test cost sensitive multigranulation rough set: model and minimal cost selection. Inform. Sci. 250, 184–199 (2013)MathSciNetCrossRefMATH
24.
Yang, X.B., Song, X.N., She, Y.H., et al.: Hierarchy on multigranulation structures: a knowledge distance approach. Int. J. Gen. Syst. 42(7), 754–773 (2013)MathSciNetCrossRefMATH
25.
Yao, Y.Y.: Probabilistic rough set approximations. Int. J. Approx. Reason. 49, 255–271 (2008)CrossRefMATH
26.
Yao, Y.: Three-way decision: an interpretation of rules in rough set theory. In: Wen, P., Li, Y., Polkowski, L., Yao, Y., Tsumoto, S., Wang, G. (eds.) RSKT 2009. LNCS, vol. 5589, pp. 642–649. Springer, Heidelberg (2009) CrossRef
27.
Yao, Y., Zhou, B.: Naive Bayesian rough sets. In: Yu, J., Greco, S., Lingras, P., Wang, G., Skowron, A. (eds.) RSKT 2010. LNCS, vol. 6401, pp. 719–726. Springer, Heidelberg (2010) CrossRef
28.
Yang, X., Qi, Y., Yu, H., Yang, J.: Want more? Pay more!. In: Cornelis, C., Kryszkiewicz, M., Ślȩzak, D., Ruiz, E.M., Bello, R., Shang, L. (eds.) RSCTC 2014. LNCS, vol. 8536, pp. 144–151. Springer, Heidelberg (2014)
Metadaten
Titel
A Moderate Attribute Reduction Approach in Decision-Theoretic Rough Set
verfasst von
Hengrong Ju
Xibei Yang
Pei Yang
Huaxiong Li
Xianzhong Zhou
Copyright-Jahr
2015
Buch
Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing

Print ISBN: 978-3-319-25782-2

Electronic ISBN: 978-3-319-25783-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-25783-9_34