基于S-粗集理论上的属性约简与算法研究

doi:10.3778/j.issn.1002-8331.2009.34.014

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (34): 44-46.DOI: 10.3778/j.issn.1002-8331.2009.34.014

基于S-粗集理论上的属性约简与算法研究

滕宝，马英红，公延庆，李宝艳

山东师范大学管理与经济学院，济南 250014

收稿日期:2008-07-08 修回日期:2008-10-09 出版日期:2009-12-01 发布日期:2009-12-01
通讯作者: 滕宝

Study of S-rough set-based attribute reduction algorithms

TENG Bao，MA Ying－hong，GONG Yan－qing，LI Bao－yan

Department of Management and Economics，Shandong Normal University，Jinan 250014，China

Received:2008-07-08 Revised:2008-10-09 Online:2009-12-01 Published:2009-12-01
Contact: TENG Bao

摘要/Abstract

摘要： 给出基于S-粗集的单向属性迁移集合，双向属性迁移集合以及单向信息系统和双向信息系统的模型；又给出属性迁移的若干性质。从Skowron提出的分辨矩阵的角度出发，给出了S-粗集中的分辨矩阵，并在此基础上提出了基于S-粗集理论上的属性约简算法。最后给出该算法在医学方面中的应用，证明了该算法的有效性。

关键词: S-粗集, 分辨矩阵, 属性迁移, 属性约简

Abstract: This PAPER puts forward the one-direction singular set，two-direction singular set；a model based on the S-rough sets information system is also given.And it discusses some features of the attribute transfer.From Skowron’s discernbility matrix point of view，discernable matrix of S-rough is proposed.Then，an attributes reduction algorithm based on the S-rough set theory for information system is rendered.Finally，the algorithm in the application of medicine is given.It has proven this algorithm validity.

Key words: singular rough set, discernbility matrix, attribute transfer, attribute reduction

中图分类号:

TP18

滕宝，马英红，公延庆，李宝艳. 基于S-粗集理论上的属性约简与算法研究[J]. 计算机工程与应用, 2009, 45(34): 44-46.

TENG Bao，MA Ying－hong，GONG Yan－qing，LI Bao－yan. Study of S-rough set-based attribute reduction algorithms[J]. Computer Engineering and Applications, 2009, 45(34): 44-46.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[9]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.
[10]	李云，马英红. 基于属性约简集评价节点重要性研究[J]. 计算机工程与应用, 2019, 55(5): 149-158.
[11]	任晓霞1，薛凡2，3. 基于模糊邻域粗糙集的启发式属性约简算法[J]. 计算机工程与应用, 2018, 54(9): 47-53.
[12]	王长宝1，杨习贝1，2，窦慧莉1，陈向坚1，王平心3. 邻域决策错误率的局部约简方法研究[J]. 计算机工程与应用, 2018, 54(6): 95-99.
[13]	陈建，张小红. 信息熵与模糊综合评判融合的相似数据检测方法[J]. 计算机工程与应用, 2018, 54(24): 57-60.
[14]	郑娜，王加阳. 不完备序信息系统的证据特征及属性约简[J]. 计算机工程与应用, 2018, 54(21): 43-47.
[15]	彭潇然1，2，刘遵仁2，纪俊2. 基于样本类别的邻域粗糙集正域计算[J]. 计算机工程与应用, 2018, 54(20): 115-121.

基于S-粗集理论上的属性约简与算法研究

Study of S-rough set-based attribute reduction algorithms

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