[1]聂斌,王卓,杜建强,等.基于偏最小二乘法的信息粒降维及聚类研究[J].江西师范大学学报(自然科学版),2012,(05):472-476.
 NIE Bin,WANG Zhuo,DU Jian-qiang,et al.The Research for Information Granule Reduction and Cluster Based on the Partial Least Squares[J].Journal of Jiangxi Normal University:Natural Science Edition,2012,(05):472-476.
点击复制

基于偏最小二乘法的信息粒降维及聚类研究()
分享到:

《江西师范大学学报》(自然科学版)[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2012年05期
页码:
472-476
栏目:
出版日期:
2012-10-01

文章信息/Info

Title:
The Research for Information Granule Reduction and Cluster Based on the Partial Least Squares
作者:
聂斌;王卓;杜建强;余日跃;徐国良;朱明峰
江西中医学院计算机学院 江西 南昌 330004;南昌大学软件学院 江西 南昌 330047;江西中医学院药学院 江西 南昌 330004
Author(s):
NIE Bin WANG Zhuo DU Jian-qiang YU Ri-yue XU Guo-liang ZHU Ming-feng
关键词:
偏最小二乘法信息粒降维聚类
Keywords:
partial least squares information granular reducing dimensions cluster
分类号:
TP39
文献标志码:
A
摘要:
利用偏最小二乘法,按最大相关性提取出最强解释能力的信息,实现信息粒降维;通过欧氏距离聚类,获取不同层次的信息粒;根据需求选择合适的粒度进行分析.实验结果表明:文中所提方法是可行有效的.
Abstract:
According to the biggest correlation and the best interpret ability to achieve reducing dimensions based on the partial least squares. To cluster use Euclidean distance, and to obtain different information granular. Analyze the suitable granular in the actual field. It was proved to be feasible and effective after tested with a database.

参考文献/References:

[1] 苗夺谦, 王国胤, 刘清, 等. 粒计算: 过去、现在与展望 [M]. 北京: 科学出版社, 2007.
[2] 王国胤, 张清华, 马希骜, 等. 知识不确定性问题的粒计算模型 [J]. 软件学报, 2011, 22(4): 676-694.
[3] Zadeh L A. Fuzzy sets [J]. Information and Control, 1965, 8(3): 338-353.
[4] Pawlak Z. Rough sets [J]. Int Journal of Computer and Information Sciences, 1982, 11(5): 341-356.
[5] 张铃, 张钹. 问题求解理论及应用: 商空间粒度计算理论及应用 [M]. 2版. 北京: 清华大学出版社, 2007.
[6] Liang Jiye, Qian Yuhua. Axiomatic approach of knowledge granulation in information system [J]. Lecture Notes in Artificial Intelligence, 2006, 4304: 1074-1078.
[7] Miao Dtioqian, Wang Jue. On the relationships between information entropy and roughness of knowledge in rough set theory [J]. PR & AI, 1998, 11(1): 34-40.
[8] Qian Yuhua, Liang Jiye. Combination entropy & combination granulation in rough set theory [J]. Int Journal of Uncertainty Fuzzinessand Knowledge-Based Systems, 2008, 16(2): 179-193.
[9] Wang Guoyin, Zhang Qinghua. Uncertainty of rough sets in different knowledge granularities [J]. Chinese Journal of Computers, 2008, 31(9): 1588-1598.
[10] 张燕平. 商空间与粒计算: 结构化问题求解理论与方法 [M]. 北京: 科学出版社, 2010.
[11] 钱宇华. 复杂数据的粒化机理与数据建模 [D]. 太原: 山西大学, 2011.
[12] Esbensen K H, Wold S, Simca, et al. Space and Unfold: the ways towards regionalized principal components analysis and subconstrained N-way decomposition—with geological illustrations [C]. In: O. J. Christie(Ed. ), Proc Nord Symp Appl Statist. Stavanger, 1983.
[13] 郭建校. 改进的高维非线性偏最小二乘回归模型及应用 [M]. 北京: 中国物质出版社, 2010.
[14] 曾雪强, 李国正. 基于偏最小二乘降维的分类模型比较 [J]. 山东大学学报: 工学版, 2010, 40(5): 41-47.
[15] 张文修, 吴伟志, 梁吉业, 等. 粗糙集理论与方法 [M]. 北京: 科学出版社, 2001.
[16] Pawlak Z. Rough sets: theoretical aspects of reasoning about data [M]. Dordrecht: Kluwer Academc Publishers, 1991.
[17] 苗夺谦, 范世栋. 知识的粒度计算及其应用 [J]. 系统工程理论与实践, 2002, 22(1): 48-56.
[18] 王惠文. 偏最小二乘回归方法及其应用 [M]. 北京: 国防工业出版社, 1999.

更新日期/Last Update: 1900-01-01