基于系统熵属性约简的差别矩阵方法

doi:10.3778/j.issn.1002-8331.2009.02.006

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (2): 21-23.DOI: 10.3778/j.issn.1002-8331.2009.02.006

基于系统熵属性约简的差别矩阵方法

王熊彬¹,郑雪峰¹,徐章艳²

1.北京科技大学信息工程学院，北京 100083
2.广西师范大学计算机系，广西桂林 541004

收稿日期:2008-09-01 修回日期:2008-10-20 出版日期:2009-01-11 发布日期:2009-01-11
通讯作者: 王熊彬

Method of discernibility matrix for attribute reduction based on system entropy

WANG Xiong-bin¹,ZHENG Xue-feng¹,XU Zhang-yan²

1.School of Information Engineering，University of Science and Technology Beijing，Beijing 100083，China
2.Department of Computer，Guangxi Normal University，Guilin，Guangxi 541004，China

Received:2008-09-01 Revised:2008-10-20 Online:2009-01-11 Published:2009-01-11
Contact: WANG Xiong-bin

摘要/Abstract

摘要： 在已有的相对属性约简算法中，差别矩阵方法是一种设计属性约简的常用方法。基于系统熵的属性约简是一种新型的属性约简，对于这种属性约简，目前还没有差别矩阵方法去设计其属性约简算法。为此，首先构造了一种新的差别矩阵，同时给出了该差别矩阵的属性约简定义，然后证明了基于新差别矩阵的属性约简与基于系统熵的属性约简是等价的。最后用新差别矩阵设计了一个基于系统熵属性算法，并用实例说明了新算法。

关键词: 粗糙集, 属性约简, 系统熵, 差别矩阵, 算法复杂度

Abstract: The method of discernibility matrix is a kind of general method for designing the algorithm of attribute reduction in the existed relative attribute reduction.Attribute reduction based on system entropy is the new attribute reduction.To this attribute reduction，there has no the method of discernibility matrix for designing the algorithm of attribute reduction.So a new discernibility matrix is designed.At the same time，the definition of attribute reduction based on this new discernibility matrix is proposed.Then it is proved that attribute reduction based on the new discernibility matrix is equal to that based on system entropy.At last，a new algorithm of attribute reduction based on system entropy with the new discernibility matrix is provided.And an example is used to illustrate the new algorithm.

Key words: rough set, attribute reduction, system entropy, discernibility matrix, algorithm complexity

王熊彬¹,郑雪峰¹,徐章艳². 基于系统熵属性约简的差别矩阵方法[J]. 计算机工程与应用, 2009, 45(2): 21-23.

WANG Xiong-bin¹,ZHENG Xue-feng¹,XU Zhang-yan². Method of discernibility matrix for attribute reduction based on system entropy[J]. Computer Engineering and Applications, 2009, 45(2): 21-23.

[1]	代琪，李敏，刘洋，李丽红. 模糊层次商空间的快速属性约简算法[J]. 计算机工程与应用, 2021, 57(4): 55-60.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[4]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[5]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[6]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[7]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[8]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[9]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[10]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[11]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[12]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[13]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[14]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[15]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.

基于系统熵属性约简的差别矩阵方法

Method of discernibility matrix for attribute reduction based on system entropy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics