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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Recent Advances in Recommender Systems and Future Directions Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Scalability of Data Decomposition Based Algorithms: Attribute Reduction Problem

verfasst von : Piotr Hońko

Erschienen in: Pattern Recognition and Machine Intelligence

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

This paper studies the issue of scalability of data decomposed based algorithms that are intended for attribute reduction. Two approaches that decompose a decision table and use the relative discernibility matrix method to compute all reducts are investigated. The experiments results reported in this paper show that application of the approaches makes it possible to gain a better scalability compared with the standard algorithm based on the relative discernibility matrix method.

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 Music Genre Recognition in the Rough Set-Based Environment
Nächstes Kapitel Application of Fuzzy Rough Sets to Financial Time Series Forecasting
Fußnoten
1
An implicant of a Boolean function is any conjunction of literals (variables or their negations) such that, if the values of these literals are true under an arbitrary valuation of variables, then the value of the function under the valuation is also true. A prime implicant is a minimal implicant (with respect to the number of literals).
 
2
An algorithm with \(p=1\) is understood as one that is run on non-decomposed data.
 
3
An algorithm is scalable w.r.t. the data size if its run-time grows linearly in proportion to the data size.
 
4
The number of portions each class of the database is divided into grows proportionally to the number of taken samples.
 
Literatur
1.
Chen, D., Zhao, S., Zhang, L., Yang, Y., Zhang, X.: Sample pair selection for attribute reduction with rough set. IEEE Trans. Knowl. Data Eng. 24(11), 2080–2093 (2012)CrossRef
2.
Degang, C., Changzhong, W., Qinghua, H.: A new approach to attribute reduction of consistent and inconsistent covering decision systems with covering rough sets. Inf. Sci. 177(17), 3500–3518 (2007)MATHCrossRefMathSciNet
3.
Deng, D., Huang, H.-K.: A new discernibility matrix and function. In: Wang, G.-Y., Peters, J.F., Skowron, A., Yao, Y. (eds.) RSKT 2006. LNCS (LNAI), vol. 4062, pp. 114–121. Springer, Heidelberg (2006) CrossRef
4.
5.
Hu, X., Cercone, N.: Learning in relational databases: a rough set approach. Comput. Intell. 11(2), 323–338 (1995)CrossRef
6.
Kryszkiewicz, M.: Comparative study of alternative type of knowledge reduction in inconsistent systems. Int. J. Intell. Syst. 16, 105–120 (2001)MATHCrossRef
7.
8.
Miao, D., Zhao, Y., Yao, Y., Li, H.X., Xu, F.: Relative reducts in consistent and inconsistent decision tables of the Pawlak rough set model. Inf. Sci. 179(24), 4140–4150 (2009)MATHCrossRefMathSciNet
9.
Pawlak, Z.: Rough Sets. Theoretical Aspects of Reasoning about Data. Kluwer Academic, Dordrecht (1991) MATHCrossRef
10.
Skowron, A., Rauszer, C.: The discernibility matrices and functions in information systems. In: Słowiński, R. (ed.) Intelligent Decision Support. Springer, Amsterdam (1992)
11.
Swiniarski, R.: Rough sets methods in feature reduction and classification. Int. J. Appl. Math. Comput. Sci. 11(3), 565–582 (2001)MathSciNet
12.
Thi, V.D., Giang, N.L.: A method for extracting knowledge from decision tables in terms of functional dependencies. Cybern. Inf. Technol. 13(1), 73–82 (2013)MathSciNet
13.
Ye, M., Wu, C.: Decision table decomposition using core attributes partition for attribute reduction. In: ICCSE. vol. 23, pp. 23–26. IEEE (2010)
14.
Zhang, X., Mei, C., Chen, D., Li, J.: Multi-confidence rule acquisition oriented attribute reduction of covering decision systems via combinatorial optimization. Knowl.-Based Syst. 50, 187–197 (2013)CrossRef
Metadaten
Titel
Scalability of Data Decomposition Based Algorithms: Attribute Reduction Problem
verfasst von
Piotr Hońko
Copyright-Jahr
2015
Buch
Pattern Recognition and Machine Intelligence

Print ISBN: 978-3-319-19940-5

Electronic ISBN: 978-3-319-19941-2

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-19941-2_37

Premium Partner

    Bildnachweise