第16卷第4期 智能系统学报 Vol.16 No.4 2021年7月 CAAI Transactions on Intelligent Systems Jul.2021 D0:10.11992/tis.202010028 网络出版地址：https:/ns.cnki.net/kcms/detail/23.1538.TP.20210409.1403.008.html 基于对象变化的邻域决策粗糙集动态更新算法 孙海霞 (安徽三联学院计算机工程学院，安徽合肥230601) 摘要：针对现实环境下数据集不断动态变化的特性，提出一种邻域决策粗糙集模型的增量式更新算法。采用 由简单到复杂的研究思路，分析了邻域型信息系统论域增加和减少单个对象时，目标近似集与邻域类之间概率 的变化规律，进一步地利用这种规律来构造单个对象变化时邻域决策粗糙集模型上下近似集的增量式更新，在 单个对象变化的基础上，通过逐步迭代的方式设计了对象批量变化时的增量式更新算法。实验分析表明，所提 出的算法具有较高的增量式更新性能，适用于动态数据环境下邻域决策粗糙集模型的动态更新。 关键词：粗糙集：决策粗糙集：邻域：增量式学习：近似集：对象：迭代：动态 中图分类号：TP18 文献标志码：A 文章编号：1673-4785(2021)04-0746-11 中文引用格式：孙海霞.基于对象变化的邻域决策粗糙集动态更新算法J机.智能系统学报，2021,16(4)：746-756. 英文引用格式：SUN Haixia.Dynamic updating algorithm of neighborhood decision-theoretic rough set model based on object change[J].CAAI transactions on intelligent systems,2021,16(4):746-756. Dynamic updating algorithm of neighborhood decision-theoretic rough set model based on object change SUN Haixia (College of Computer Engineering,Anhui Sanlian University,Hefei 230601,China) Abstract:In accordance with the dynamic characteristics of a dataset in a real environment,an incremental updating al- gorithm of the neighborhood decision-theoretic rough set model is proposed after conducting simple to complex re- search.In this paper,the change law of the probability between the target approximation set and the neighborhood class is first analyzed in the context of the domain of the neighborhood information system increasing or decreasing individu- al objects,which is then adopted to construct the incremental updating of the upper and lower approximation sets of the neighborhood decision-theoretic rough set model.On the basis of the change of a single object and given the variety of multiple objects,an incremental updating algorithm is designed through step-by-step iteration.Experimental results show that the proposed algorithm has a high incremental updating performance,thereby making it suitable for the dy- namic updating of the neighborhood decision-theoretic rough set model in a dynamic data environment. Keywords:rough set;decision-theoretic rough set;neighborhood,incremental learning;approximation set,object;itera- tion:dynamic 粗糙集理论是当今知识发现领域的一个研究 早期的决策粗糙集建立在完备离散型的信 热点，决策粗糙集模型是粗糙集理论的重要研 息系统上，在其基础上，学者们进一步地提出了 究分支，由于决策粗糙集在处理噪声数据方面具有 多种扩展的粗糙集模型，例如Lu等m将决策粗 较好的泛化性能，因此目前已广泛应用于机器 糙集推广至不完备信息系统，提出一种改进的不 学习、图像处理和数据挖掘等诸多领域。 完备决策粗糙集模型；Sun等8)在粗糙模糊集下 收稿日期：2020-10-26.网络出版日期：2021-04-09. 提出了相应的决策粗糙集模型；Dou等)基于多 基金项目：安徽省质量工程项目(2020ZYRC063,2020XSKT151): 省教育厅高校自然科学重点项目(KJ2019A0891). 个代价的策略，提出了多代价的决策粗糙集模 通信作者：孙海霞.E-mail:wangbol9855@163.com. 型；在数值型的数据集方面，Li等0将邻域关系DOI: 10.11992/tis.202010028 网络出版地址: https://kns.cnki.net/kcms/detail/23.1538.TP.20210409.1403.008.html 基于对象变化的邻域决策粗糙集动态更新算法 孙海霞 （安徽三联学院 计算机工程学院，安徽 合肥 230601） 摘 要：针对现实环境下数据集不断动态变化的特性，提出一种邻域决策粗糙集模型的增量式更新算法。采用 由简单到复杂的研究思路，分析了邻域型信息系统论域增加和减少单个对象时，目标近似集与邻域类之间概率 的变化规律，进一步地利用这种规律来构造单个对象变化时邻域决策粗糙集模型上下近似集的增量式更新，在 单个对象变化的基础上，通过逐步迭代的方式设计了对象批量变化时的增量式更新算法。实验分析表明，所提 出的算法具有较高的增量式更新性能，适用于动态数据环境下邻域决策粗糙集模型的动态更新。 关键词：粗糙集；决策粗糙集；邻域；增量式学习；近似集；对象；迭代；动态 中图分类号：TP18 文献标志码：A 文章编号：1673−4785(2021)04−0746−11 中文引用格式：孙海霞. 基于对象变化的邻域决策粗糙集动态更新算法 [J]. 智能系统学报, 2021, 16(4): 746–756. 英文引用格式：SUN Haixia. Dynamic updating algorithm of neighborhood decision-theoretic rough set model based on object change[J]. CAAI transactions on intelligent systems, 2021, 16(4): 746–756. Dynamic updating algorithm of neighborhood decision-theoretic rough set model based on object change SUN Haixia (College of Computer Engineering, Anhui Sanlian University, Hefei 230601, China) Abstract: In accordance with the dynamic characteristics of a dataset in a real environment, an incremental updating al￾gorithm of the neighborhood decision-theoretic rough set model is proposed after conducting simple to complex re￾search. In this paper, the change law of the probability between the target approximation set and the neighborhood class is first analyzed in the context of the domain of the neighborhood information system increasing or decreasing individu￾al objects, which is then adopted to construct the incremental updating of the upper and lower approximation sets of the neighborhood decision-theoretic rough set model. On the basis of the change of a single object and given the variety of multiple objects, an incremental updating algorithm is designed through step-by-step iteration. Experimental results show that the proposed algorithm has a high incremental updating performance, thereby making it suitable for the dy￾namic updating of the neighborhood decision-theoretic rough set model in a dynamic data environment. Keywords: rough set; decision-theoretic rough set; neighborhood; incremental learning; approximation set; object; itera￾tion; dynamic 粗糙集理论是当今知识发现领域的一个研究 热点，决策粗糙集模型[1-2] 是粗糙集理论的重要研 究分支，由于决策粗糙集在处理噪声数据方面具有 较好的泛化性能[2] ，因此目前已广泛应用于机器 学习[3-4] 、图像处理[5] 和数据挖掘[6] 等诸多领域。 早期的决策粗糙集建立在完备离散型的信 息系统上，在其基础上，学者们进一步地提出了 多种扩展的粗糙集模型，例如 Liu 等 [7] 将决策粗 糙集推广至不完备信息系统，提出一种改进的不 完备决策粗糙集模型；Sun 等 [8] 在粗糙模糊集下 提出了相应的决策粗糙集模型；Dou 等 [9] 基于多 个代价的策略，提出了多代价的决策粗糙集模 型；在数值型的数据集方面，Li 等 [10] 将邻域关系 收稿日期：2020−10−26. 网络出版日期：2021−04−09. 基金项目：安徽省质量工程项目 (2020ZYRC063，2020XSKT151)； 省教育厅高校自然科学重点项目 (KJ2019A0891). 通信作者：孙海霞. E-mail：wangbo19855@163.com. 第 16 卷第 4 期 智 能 系 统 学 报 Vol.16 No.4 2021 年 7 月 CAAI Transactions on Intelligent Systems Jul. 2021