Abstarct
Dataset dimensionality is one of the primary impediments to data analysis in areas such as pattern recognition, data mining, and decision support. A feature subset that possesses the same classification power as that of the whole feature set is expected to be found prior to performing a classification task. For this purpose, many rough set algorithms for feature selection have been developed and applied to incomplete decision systems. When they address large data, however, their undesirable efficiencies could be intolerable. This paper proposes a boundary region-based feature selection algorithm (BRFS), which has the ability to efficiently find a feature subset from a large incomplete decision system. BRFS captures an inconsistent block family to construct a rough set boundary region and designs a positive stepwise mechanism for the construction of boundary regions with respect to multiple attribute subsets, making the acquisition of boundary regions highly efficient. The boundary regions are used to build significance measures as heuristics to determine the optimal search path and establish an evaluation criterion for rules to identify feature subsets. These arrangements make BRFS capable of locating a reduct more efficiently than other available algorithms; this finding is supported by experimental results
چکیده
امروزه مجموعه های داده ای را میتوان یکی از موانع اصلی در تحلیل داده ها در حوزه هایی مانند تشخیص الگو، داده کاوی و پشتیبانی از تصمیم دانست. یک زیرمجموعه خصیصه، که همان انرژی دسته بندی را مشابه با مجموعه خصیصه کل مورد پردازش قرار میدهد، باید قبل از انجام پروسه ی دسته بندی ایجاد شود. به همین دلیل، بسیاری از الگوریتم های مجموعه ناهموار برای انتخاب خصیصه، بر روی سیستم های تصمیم ناقص بکار گرفته شده است. در زمانی که با داده هایی با حجم زیاد روبرو هستیم، بهره وری این روش ها قابل قبول نیست. از این رو در این مقاله قصد دارم یک الگوریتم انتخاب خصیصه مبتنی بر ناحیه مرکزی(BRFS) را ارائه دهیم که توانایی یافتن یک زیرمجموعه خصیصه از سیستم های تصمیم ناقص بزرگ را دارد. BRFS از یک خانواده بلاک ناسازگار به منظور ایجاد یک مجموعه ی مرزی استفاده کرده و مکانیسم های مثبتی را به منظور ایجاد بخش های مرزی بر حسب چندین زیرمجموعه صفت طراحی میکند و از این رو پروسه ی بدست آوردن بخش های مرزی را بسیار کارآمد می-سازد. بخش های مرزی برای ایجاد مقیاس های قابل ملاحظه ای به عنوان هیروستیک هایی برای مسیر جستجوی بهینه و ایجاد یک معیار ارزیابی برای زیرمجموعه های خصیصه تشخیص قواعد کاربرد دارند. این آرایش ها باعث شده تا BRFS بتواند مسیری را به صورت کارآمد تر نسبت به سایر الگوریتم ها مشخص سازد. یافته های ما نیز به وسیله ی نتایج آزمایشی پشتیبانی شده است.
واژگان کلیدی: مجموعه ناهمواره، تشخیص الگو، جستجوی بهینه
1-مقدمه
در حال حاضر مجموعه های داده ای بزرگ مقیاس زیادی وجود دارد که به وسیله ی آنها، قیاس الگو میتواند با استفاده از ابزار های یادگیری ماشین منجر به کارائی ضعیفی گرد. برای یک وظیفه ی خاص در تحلیل داده ها، مشاهده شده است که همه خصیصه ها معمولاً ضروری نیستند. در اصل، بعضی از آنها افزونه هستند. این خصیصه های بی ربط میتواند فضای ذخیره سازی را اشغال سازد و کارائی محاسباتی را کاهش دهد و حتی انرژی تعمیم الگوها را نیز کاهش دهد. بنابراین مطلوب است تا یک زیرمجموعه خصیصه ای پیدا شود که دارای قابلیت پیش گوئی مشابه با مجموعه خصیصه اصلی باشد. یک چنین پروسه ای، انتخاب خصیصه یا ساده سازی صفت نام دارد.
نظریه ی مجموعه ناهموار(RST) را میتوان ابزاری قدرتمند در تحلیل داده ها در بخش هایی مانند تشخیص الگو، داده کاوی، و پشتیبانی از تصمیم دانست. RST در مقیاس زیادی برای انتخاب خصیصه کاربرد دارد، زیرا یک روش کاملاً مبتنی بر داده ها بوده و نیاز به اطلاعات زیادی ندارد. بر مبنای مدل مجموعه ناهموار مرسوم(CRSM) ، انتخاب خصیصه مورد توجه پژوهش های زیادی قرار گرفته است، مانند تکنیک ماتریس غیر قابل تمایز، و تکنیک قابلیت تمایز، تکنیک بخش مثبت، و تکنیک انتروپی اطلاعات. این مطالعات ، روش هایی را برای انتخاب خصیصه ارائه داده اند که البته آنها را نیز به صورت موفقیت آمیز بر روی سیستم های تصمیم کامل پیاده سازی کرده اند....