一种改进的决策表属性重要性及其快速约简算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 173-176.

一种改进的决策表属性重要性及其快速约简算法

黄国顺^1,2,刘云生²

1.佛山科学技术学院理学院,广东佛山 528000
2.华中科技大学计算机科学与技术学院,武汉 430074

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 黄国顺

Modified attribute significance and quick reduction algorithm for decision table

HUANG Guo-shun^1,2,LIU Yun-sheng²

1.School of Science,Foshan University,Foshan,Guangdong 528000,China
2.Huazhong University of Science and Technology,Wuhan 430074,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: HUANG Guo-shun

摘要/Abstract

摘要： 文献[9]给出了一种决策表的代数约简快速属性约简算法,但有时得不到正确的结果,首先给出算例指出其不足,然后给出改进的属性重要性及其快速属性约简算法,它能保证得到正确的代数约简结果。数值算例也验证了其正确性。

关键词: 不一致决策表, 属性重要性, 属性约简, 核属性

Abstract: The attribute reduction algorithm suggested by literature[9] can not get correct results in some cases for decision table.Its defect is pointed out by a counterexample and then a modified attribute significance measuring method and quick reduction algorithm based on it are proposed.It ensures that we can obtain a correct algebra attribute reduction.Its validity is verified by some numerical examples.

Key words: inconsistent decision table, attribute significance, attribute reduction, core attribute

黄国顺^1,2,刘云生². 一种改进的决策表属性重要性及其快速约简算法[J]. 计算机工程与应用, 2007, 43(28): 173-176.

HUANG Guo-shun^1,2,LIU Yun-sheng². Modified attribute significance and quick reduction algorithm for decision table[J]. Computer Engineering and Applications, 2007, 43(28): 173-176.

[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]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.