第4期 孙海霞：基于对象变化的邻域决策粗糙集动态更新算法 ·755· 0.06 0.09 0.08 0.10 0.08 0.06 0.05 0.07 0.04 0.04 0.06 0.06 0.02 0.03 0.05 0.02 0.02 0.30 0.30 0.04 002468 0 0.01 0 0.03 邻域半径 .14 增量更新次数 000246 增量更新次数 (a)论域增加 (b)论域减少 图5数据集biodeg在不同邻域半径下算法更新用时比较 Fig.5 Comparison of algorithm updating time of biodeg data set under different neighborhood radius 0.6 0.07 0.8 0.8 0.5 0.06 0.6 0.6 0.4 0.4 0.4 0.05 0.2 0.3 0.2 0.04 0.2 0.03 10 0.1 0.30 0. 10 8 0.02 邻域半径6 01002468 增量更新次数 00246 0.14 邻域半径 增量更新次数 (a)论域增加 (b)论域减少 图6数据集musk在不同邻域半径下算法更新用时比较 Fig.6 Comparison of algorithm updating time of musk data set under different neighborhood radius 5结束语 [3]陈家俊，徐华丽，魏赟.多重代价多粒度决策粗糙集模型 研究.计算机科学与探索，2018.12(5：839-850 邻域决策粗糙集是传统决策粗糙集的重要拓 CHEN Jiajun,XU Huali,WEI Yun.Multi-cost based 展，针对现实环境下数据集的动态性，本文提出 multi-granulation decision-theoretic rough set model[J]. 一种论域动态变化时的邻域决策粗糙集增量式更 Journal of frontiers of computer science and technology, 新算法。本文首先研究了论域中单个对象变化 2018,12(5):839-850 时，模型的增量式更新问题，然后以单个对象变 [4]JIA Xiuyi,LI Weiwei,SHANG Lin.A multiphase cost- 化为基础，通过迭代方式完成对象批量变化时的 sensitive learning method based on the multiclass three- 增量式更新问题，实验分析表明，所提出的增量 way decision-theoretic rough set model[J].Information sci- 式算法在更新动态数据时，其效率大幅度高于非 ences,.2019,485:248-262 增量式算法，且增量式算法的更新时间受论域对 [5]张婷，张红云，王真.基于三支决策粗糙集的迭代量化的 象变化的影响较小，因此说明了所提出的增量式 图像检索算法[J].南京大学学报（自然科学版），2018 54(4):714724 更新算法具有很高的优越性，从而也进一步推动 ZHANG Ting,ZHANG Hongyun,WANG Zhen.image re- 了决策粗糙集在实际环境下的应用。在本文研究 trieval:Iterative quantization based on saliency detection 成果的基础上，接下来可以进一步在邻域决策粗 and three-way decision based rough sets[J].Journal of 糙集的增量式属性约简问题上进行探索。 Nanjing University(natural sciences edition),2018,54(4): 参考文献： 714724 [6]ZHAO Xuerong,HU Baoging.Three-way decisions with [1]YAO Yiyu.Three-way decisions with probabilistic rough decision-theoretic rough sets in multiset-valued informa sets[J].Information sciences,2010,180(3):341-353 tion tables[J].Information sciences,2020,507:684-699 [2]YAO Yiyu.The superiority of three-way decisions in prob- [7]LIU Dun,LIANG Decui,WANG Changchun.A novel abilistic rough set models[J].Information sciences,2011, three-way decision model based on incomplete informa- 181(6):1080-1096 tion system[J].Knowledge-based systems,2016,91:(a) 论域增加 0.08 0.06 0.04 0.02 0 0 2 4 6 8 10 0.30 0.26 0.22 0.18 0.14 0.10 更新用时/s 更新用时/s 邻域半径 δ 增量更新次数 0 2 4 6 8 0.30 10 0.26 0.22 0.18 0.14 0.10 邻域半径 δ 增量更新次数 0.06 0.05 0.04 0.03 0.02 0.01 0.10 0.08 0.06 0.04 0.02 (b) 论域减少 0.09 0.08 0.07 0.06 0.05 0.04 0.03 图 5 数据集 biodeg 在不同邻域半径下算法更新用时比较 Fig. 5 Comparison of algorithm updating time of biodeg data set under different neighborhood radius (a) 论域增加 0.8 0.6 0.4 0.2 0 0 2 4 6 8 10 0.30 0.26 0.22 0.18 0.14 0.10 更新用时/s 更新用时/s 邻域半径 δ 增量更新次数 0 2 4 6 8 0.30 10 0.26 0.22 0.18 0.14 0.10 邻域半径 δ 增量更新次数 0.6 0.5 0.4 0.3 0.2 0.1 0.8 0.6 0.4 0.2 0 (b) 论域减少 0.07 0.06 0.05 0.04 0.03 0.02 图 6 数据集 musk 在不同邻域半径下算法更新用时比较 Fig. 6 Comparison of algorithm updating time of musk data set under different neighborhood radius 5 结束语 邻域决策粗糙集是传统决策粗糙集的重要拓 展，针对现实环境下数据集的动态性，本文提出 一种论域动态变化时的邻域决策粗糙集增量式更 新算法。本文首先研究了论域中单个对象变化 时，模型的增量式更新问题，然后以单个对象变 化为基础，通过迭代方式完成对象批量变化时的 增量式更新问题，实验分析表明，所提出的增量 式算法在更新动态数据时，其效率大幅度高于非 增量式算法，且增量式算法的更新时间受论域对 象变化的影响较小，因此说明了所提出的增量式 更新算法具有很高的优越性，从而也进一步推动 了决策粗糙集在实际环境下的应用。在本文研究 成果的基础上，接下来可以进一步在邻域决策粗 糙集的增量式属性约简问题上进行探索。 参考文献： YAO Yiyu. Three-way decisions with probabilistic rough sets[J]. Information sciences, 2010, 180(3): 341–353. [1] YAO Yiyu. The superiority of three-way decisions in prob￾abilistic rough set models[J]. Information sciences, 2011, 181(6): 1080–1096. [2] 陈家俊, 徐华丽, 魏赟. 多重代价多粒度决策粗糙集模型 研究 [J]. 计算机科学与探索, 2018, 12(5): 839–850. CHEN Jiajun, XU Huali, WEI Yun. Multi-cost based multi-granulation decision-theoretic rough set model[J]. Journal of frontiers of computer science and technology, 2018, 12(5): 839–850. [3] JIA Xiuyi, LI Weiwei, SHANG Lin. A multiphase cost￾sensitive learning method based on the multiclass three￾way decision-theoretic rough set model[J]. Information sci￾ences, 2019, 485: 248–262. [4] 张婷, 张红云, 王真. 基于三支决策粗糙集的迭代量化的 图像检索算法 [J]. 南京大学学报(自然科学版), 2018, 54(4): 714–724. ZHANG Ting, ZHANG Hongyun, WANG Zhen. image re￾trieval: Iterative quantization based on saliency detection and three-way decision based rough sets[J]. Journal of Nanjing University (natural sciences edition), 2018, 54(4): 714–724. [5] ZHAO Xuerong, HU Baoqing. Three-way decisions with decision-theoretic rough sets in multiset-valued informa￾tion tables[J]. Information sciences, 2020, 507: 684–699. [6] LIU Dun, LIANG Decui, WANG Changchun. A novel three-way decision model based on incomplete informa￾tion system[J]. Knowledge-based systems, 2016, 91: [7] 第 4 期 孙海霞：基于对象变化的邻域决策粗糙集动态更新算法 ·755·