ラフ集合によるGDR抽出への新たなパラメータの導入

抄録

本稿では、ラフ集合におけるGeneralized Dynamic Reduct(GDR)の抽出手法の改良について論ずる。著者らは大規模なデータからGDRを抽出する手法を提案し実装してきた。部分表の任意の集合に対して$100\times(1-\epsilon)\%(0\leq\epsilon<1)$以上で識別能力を有する属性集合を抽出していたが、それらが部分表に対して、相対縮約になるかの確認は行っていなかった。そこで、本研究では新しいパラメータβを追加して、部分表に対して$100\times(1-\epsilon)\%$以上で識別できて、かつ、$100\times(1-\beta)\%(0\leq\beta<1)$で相対縮約になる属性集合を抽出することを試みる。