混合数据的规则提取方法

在实际应用中,收集的数据通常包含不同类型的属性,例如符号和序数属性,可以将其视为混合数据。 在粗糙集中,等价/优势关系分别用于表示和近似符号数据和序数数据的数据分类。 为了提取混合数据中的决策规则,一些学者提出了基于优势关系生成单调规则的机制。 原始符号符号值也被视为首选项排序的属性。 尽管此方法可以生成覆盖率更高的规则,但是效率不令人满意,因为所有符号属性都需要按增益类型和成本类型进行两次排序。 在本文中,我们在混合数据的条件属性上定义了优势-等价关系,分别介绍了符号属性的等价关系和序数属性的优势关系。 因此,该方法可以保留数据的原始含义,并且可以加快规则生成。 基于支配和支配的类,可以计算上下近似和决策规则,并建立规则的匹配机制。 在进行的实验中选择了11个UCI数据集。 结果表明,所提方法不仅比单调规则提取更多的规则,而且可以明显减少运行时间,同时分类精度也有所提高。