基于粗糙集的符号与数值属性的快速约简算法.pdfVIP

基于粗糙集的符号与数值属性的快速约简算法 胡清华，赵辉，于达仁 （哈尔滨工业大学 哈尔滨 150001） 摘 要 粗糙集理论被广泛应用于属性约简，复杂性是制约这些算法应用于数据挖掘任务的主要障碍，尤其是邻域模 型下的约简问题.本文分析了邻域粗糙集模型的数学性质，利用正域与属性集的单调关系，构造基于属性依赖度和前 向有哪些信誉好的足球投注网站策略的快速算法，以降低样本比较次数，提高计算效率.实验分析表明了算法的有效性. 关键词 粗糙集，属性约简，邻域，属性重要度，快速算法 Efficient Symbolic and Numerical Attribute Reduction with Rough Sets Hu Qing-hua, Zhao Hui, Yu Da-ren (Harbin Institute of Technology, Harbin 150001, Heilongjiang) Abstract Rough set theory has been widely used in the domain of feature reduction, where considerable computational complexity is available, especially for the neighborhood model. In this paper, we analyze some mathematical properties of neighborhood rough set model. Using the property that positive region increases with the amount of attributes, we introduce an optimized method used in forward attributes selection strategy based on dependency，with the purpose of decreasing comparison times and improving computational efficiency. The experiments show that our method is effective. Key words rough set; attribute reduction; neighborhood; attribute significance; fast algorithm 1. 引言 我们在文献[4]已经证明了邻域粗糙集模型 下正域与属性集的单调关系，但并未在属性选择 粗糙集理论自 1982 年由Pawlak教授提出以 过程中运用这一性质，提高运算速度.本文利用 来，得到了广泛的重视和发展.目前已被应用于 [1] [2] 这一性质指导属性选择算法，并用实验验证这一 属性选择 、分类器设计 等问题的研究中.但经 性质对提高运算速度的有效性. 典粗糙集理论定义在等价关系基础上，只能处理 名义型数据，对数值型数据必须通过离散化后才 2. 邻域粗糙集的性质分析 能处理.这就给直接应用带来了不便.连续数据 IS U A V f =, , , 对 于 信 息 系 统 , 其 中 经过离散化处理可能会丢失重要信息[3].并且不