A Novel Strategy for Minimum Attribute Reduction Based on Rough Set Theory and Fish Swarm Algorithm
CONTENIDO PARA USUARIOS REGISTRADOS
Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.
Acceder- Autor
- Año de publicación 2017
- Idioma Inglés
- Publicado por Revista VirtualPRO,
- Descripción
- Para la minería de datos, la reducción de los atributos redundantes innecesarios, que se conoce como reducción de atributos (AR), en particular, las reducciones con cardinalidad mínima, es un paso importante de preprocesamiento. En este trabajo, mediante un método de codificación de subconjuntos de atributos combinados, se propone una nueva estrategia de búsqueda para la reducción de atributos mínimos basada en la teoría de conjuntos rugosos (RST) y el algoritmo del enjambre de peces (FSA). El método identifica los atributos centrales mediante la matriz de discernibilidad en primer lugar y todos los subconjuntos de conjuntos de atributos no centrales con la misma cardinalidad se codificaron en números enteros como los individuos de FSA. A continuación, el método de codificación limita hasta cierto punto la dirección evolutiva del individuo. La función de aptitud de un individuo se define en función de la dependencia de atributos de RST, y se utilizó FSA para encontrar el conjunto óptimo de reducciones. En cada bucle, si la máxima dependencia de atributos y la dependencia de atributos del conjunto de atributos de la condición son iguales, el algoritmo termina, de lo contrario se añade un solo atributo al siguiente bucle. Se seleccionaron algunos conjuntos de datos conocidos de la UCI para verificar este método. Los resultados experimentales muestran que el método propuesto busca el conjunto mínimo de reducción de atributos de forma efectiva y tiene una excelente capacidad de búsqueda global.
-
Citación recomendada (normas APA)
- Hindawi, "A Novel Strategy for Minimum Attribute Reduction Based on Rough Set Theory and Fish Swarm Algorithm", -:Revista VirtualPRO,, 2017. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3436354/), el día 2024-05-18.