公开(公告)号：CN118245882A

公开(公告)日：2024-06-25

申请号：CN202410395174.6

申请日：2024-04-02

Applicant: 暨南大学

Inventor： 邓玉辉 ,  黄建德

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/25 ,  G06F18/26

Abstract: 本发明公开了一种面向敏感数据分类的多粒度属性遗忘方法，步骤如下：计算输入数据的全局知识粒度大小，通过迭代剔除数据中的冗余属性，得到不可约简属性集并进行迭代获取不同粒度大小的模糊决策规则，通过规则融合计算不同粒度大小模糊决策规则对应的最优权重并建立线性模型，通过聚合输入数据与各个线性模型的映射结果预测输入数据的类别，通过删除受该属性影响的线性模型并保留不受影响的线性模型来完成属性遗忘和更新模型。本发明通过属性简约和多粒度模糊决策规则提取提高了数据规则挖掘效率和质量；基于多粒度规则融合框架构建的模型有可解释和低耦合的特点，在保持分类性能的同时能高效完成属性遗忘任务。

公开(公告)号：CN117520918A

公开(公告)日：2024-02-06

申请号：CN202311542850.X

申请日：2023-11-17

Applicant: 暨南大学

Inventor： 邓玉辉 ,  黄建德

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/23

Abstract: 本发明公开了一种基于子空间划分和信息粒增强的大数据分类方法，步骤如下：对所有输入数据点构建一维数据索引并排序，对排序后的数据集进行划分，得到若干空间无重叠且大小相等的数据子集，对得到数据子集先后使用模糊聚类和带权模糊聚得到全局聚类结果，通过合理粒度原则对全局聚类结果提炼得到适配当前分类任务的信息颗粒，通过计算输入数据与信息颗粒之间的空间关系预测输入数据的类别。本发明通过划分数据子集提高了大数据集的数据粒化效率和质量；基于粒计算框架构建的信息颗粒，增强了分类结果的可解释性，提高分类准确率。