基于改进的FP树的快速属性约简算法

doi:10.3778/j.issn.1002-8331.2010.35.044

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (35): 152-155.DOI: 10.3778/j.issn.1002-8331.2010.35.044

• 数据库、信号与信息处理 • 上一篇下一篇

基于改进的FP树的快速属性约简算法

黄丽宇¹，徐章艳¹，钱文彬¹，杨炳儒²

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

收稿日期:2009-04-15 修回日期:2009-06-22 出版日期:2010-12-11 发布日期:2010-12-11
通讯作者: 黄丽宇

Quick feature reduction algorithm based on improved frequent pattern tree

HUANG Li-yu¹，XU Zhang-yan¹，QIAN Wen-bin¹，YANG Bing-ru²

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

Received:2009-04-15 Revised:2009-06-22 Online:2010-12-11 Published:2010-12-11
Contact: HUANG Li-yu

摘要/Abstract

摘要： 在用差别矩阵思想设计的属性约简算法中，由于差别矩阵存在大量重复和无用的差别元素，不仅占用大量的存储空间，而且浪费属性约简的计算时间。为提高这种属性约简算法的效率，结合FP树（频繁模式树）的思想，给出一种新型的数据结构——改进的FP树（IFP_Tree）。改进的FP树可以完全删除差别矩阵中所有重复的差别元素，也可以完全删除无用的差别元素。不但减少了大量的存储空间，还大大提高了属性约简算法的效率。用IFP树设计一种新的快速属性约简算法。实例说明了该算法的有效性。

关键词: 粗糙集, 差别矩阵, 属性约简, 改进的FP树

Abstract: In the feature reduction algorithms designed by the discernibility matrix idea，since there are lots of repeat and unnecessary elements in the discernibility matrix，which not only cost a mass of memory space，but also waste plenty of computer time in feature reduction.In order to improve the efficiency of such feature reduction algorithm，by considering the idea of FP tree，a novel data structure IFP_Tree（improved frequent pattern tree） is proposed，which can get rid of the repeat elements and unnecessary elements in the discernibility matrix completely.In this way，it can not only reduce a great deal of memory space，but also enhance the efficiency of feature reduction algorithm greatly.Then，a new quick and efficient feature reduction algorithm is designed based on IFP_tree.Finally，an example is used to illustrate the validity of the new algorithm.

Key words: rough set, discernibility matrix, feature reduction, improved frequent pattern tree

中图分类号:

TP18
TP311

黄丽宇¹，徐章艳¹，钱文彬¹，杨炳儒². 基于改进的FP树的快速属性约简算法[J]. 计算机工程与应用, 2010, 46(35): 152-155.

HUANG Li-yu¹，XU Zhang-yan¹，QIAN Wen-bin¹，YANG Bing-ru². Quick feature reduction algorithm based on improved frequent pattern tree[J]. Computer Engineering and Applications, 2010, 46(35): 152-155.

[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]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

基于改进的FP树的快速属性约简算法

Quick feature reduction algorithm based on improved frequent pattern tree

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