基于三支决策的广义代价敏感近似属性约简

题目：基于三支决策的广义代价敏感近似属性约简

时间：4月24日15：00-17：00

地点：明理楼B306

主讲人：闵帆

主讲人简介：闵帆，博士、教授、博导，International journal of approximate reasoning副主编，《数码设计》主编，机器学习研究中心主任，皇家永利学术技术带头人后备人选。担任CAAI粗糙集专委会委员，主持国家自然科学基金面上项目1项。发表论文120余篇，其中SCI收录25篇，ESI高被引4篇。为十几个SCI期刊的审稿人。研究兴趣包括代价敏感学习、粒计算、推荐系统、油田数据挖掘。

讲座介绍：

在粗糙集领域，属性约简的首要任务是在保持原有数据相关特性的前提下，获取一个最小的属性子集。代价敏感学习的目标旨在最小化各类代价。而近似属性约简的意义在于让决策者能够权衡代价承受能力和知识发现的程度。我们在定性和定量的标准下提出了代价敏感近似属性约简的问题；其中，定性标准指不可分辨能力，定量标准指近似参数?和代价。基于三支决策和可分辨矩阵，提出了解决代价敏感近似属性约见问题的框架：首先，定义了属性子集的质量函数，该函数解释了多粒度结构；其次，通过考察属性重要度，提出了“性价比”指标的适应函数；进而利用提出的适应函数和三支决策中的(?,?)阈值对三分属性集合；最后，设计了删除策略和添加策略的代价敏感属性约简算法。从实验结果分析上验证了算法的有效性，体现了提出的问题和理论框架具有更广义的解释和适应性。