A Group Incremental Reduction Algorithm with Varying Data Values

Abstract

Attribute reduction based on rough set theory has attracted much attention recently. In real‐life applications, many decision tables may vary dynamically with time, e.g., the variation of attributes, objects, and attribute values. The reduction of decision tables may change on the alteration of attribute values. The paper focuses on dynamic maintenance of attribute reduction when varying data values of multiple objects. Incremental mechanisms for knowledge granularity are proposed first, which aims to update attribute reduction effectively. Then, a group incremental reduction algorithm with varying data values is developed. When attribute values of multiple objects have been replaced by new ones in decision table, the proposed incremental algorithm can find the new reduct in a much shorter time. The time complexity analysis and experiments on different data sets from UCI have validated that the proposed incremental algorithms are efficient and effective to update the reduction with the variation of attribute values.

Về một thuật toán gia tăng tìm tập rút gọn của bảng quyết định không đầy đủ

“…Các thuật toán gia tăng có khả năng giảm thiểu thời gian thực hiện và có khả năng thực hiện trên các bảng quyết định không đầy đủ kích thước lớn bằng giải pháp chia nhỏ bảng quyết định. Theo tiếp cận tập thô truyền thống, các nghiên cứu liên quan đến các phương pháp gia tăng tìm tập rút gọn trong bảng quyết định thay đổi khá sôi động và tập trung vào các trường hợp: bổ sung/loại bỏ tập đối tượng [5][6][7][8][9][10], bổ sung/loại bỏ tập thuộc tính [11,12], tập đối tượng hay tập thuộc tính thay đổi giá trị [13][14][15].…”

Update of approximations in ordered information systems under variations of attribute and object set

“…In RST and its extensions, efficient incremental approaches have been proposed to deal with the variation of attributes or object sets. According to the types of involved variations, the studies can be classified into three groups which are conducted under the variations of attribute set (Li et al 2007(Li et al , 2013Wang et al 2013;Luo et al 2014;Huang et al 2020), object set (Liang et al 2014;Xu et al 2011;Chen et al 2013;Li et al , 2014Li et al , 2018Luo et al 2013;Wang et al 2020) and attribute values (Wang et al 2020;Chen et al 2012;Jing et al 2017), respectively. Most of these studies consider the variations separately, and they are effective when either the attributes or the objects evolve over time.…”

Incremental Attribute Reduction Under Variations of the Attribute Set Based on Conflict Region

“…For the incomplete decision systems, when the attribute values of single object or multiple objects are changed, Shu et al [28] developed updating mechanisms of positive region, and proposed an incremental reduction algorithm. When values of single object and multiple objects are varied, Jing et al [31] researched updating mechanisms of knowledge granularity, and designed two incremental reduction algorithms. For incomplete decision system with variation of attribute values, Xie et al [29] analyzed three updating strategies of tolerance classes under three types of data changes, and proposed incremental reduction algorithms.…”