基于信息熵的粗糙集属性约简及其应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 245-248.

• 工程与应用 • 上一篇

基于信息熵的粗糙集属性约简及其应用

丁守祯¹,桑琳¹,朱全英¹,狄海涛²

1．大连海事大学数学系，辽宁大连 116026
2．大连海事大学轮机工程学院，辽宁大连 116026

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 丁守祯

Attribute reduction in rough set based on information entropy and it’s application.Computer Engineering and Applications

DING Shou-zhen¹,SANG Lin¹,ZHU Quan-ying¹,DI Hai-tao²

1．Department of Mathematics，Dalian Maritime University，Dalian，Liaoning 116026，China
2．Marine Engineering College，Dalian Maritime University，Dalian，Liaoning 116026，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: DING Shou-zhen

摘要/Abstract

摘要： 粗集约简对噪声非常敏感，因此寻求噪声干扰下，属性间的准确关系和不确定性关系的表达显得十分重要。将粗糙集理论与信息论理论结合起来，发挥各自优势，取长补短，提出了一种改进的属性约简算法，且在此基础上进行了值约简并应用于超大型船舶的旋回性分析。给出了各因素之间的依赖关系，增比特征，及规则分析。取得了很好效果，对船舶操纵和技术研究有良好的实用价值。

关键词: 粗糙集, 属性约简, 信息熵, 粗糙逻辑

Abstract: Attribute reduction in rough set theory is very sensitive to dates of noises.So it’s very significant to depict the extract relationship and uncertain relationship among attributes under the condition of noises interference.Rough set theory and information theory are combined in this paper with advantages are exerted and disadvantages are limited between each other.Then，a new attribute algorithm is presented and applied in gyration analyse of the biggest shipping.At the same time，the relationship rely on each other and the characteristics of increase or decrease are depicted，besides，some sorts of rules are obtained.It is testified that the method presented here are effective and practicality to manipulate and technology research of shipping.

Key words: rough set, attribute reduction, information entropy, rough logic

丁守祯¹,桑琳¹,朱全英¹,狄海涛². 基于信息熵的粗糙集属性约简及其应用[J]. 计算机工程与应用, 2007, 43(35): 245-248.

DING Shou-zhen¹,SANG Lin¹,ZHU Quan-ying¹,DI Hai-tao². Attribute reduction in rough set based on information entropy and it’s application.Computer Engineering and Applications[J]. Computer Engineering and Applications, 2007, 43(35): 245-248.

[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]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[3]	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.
[4]	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.
[5]	江魁，丘远东，郑浩城. 基于信息熵与LSTM的ICMPv6 DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(21): 148-154.
[6]	宋世杰，陈开颜，张阳. 信息熵角度下的深度学习旁路安全评估框架[J]. 计算机工程与应用, 2021, 57(17): 138-146.
[7]	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.
[8]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[9]	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.
[10]	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.
[11]	陈建促，王越，朱小飞，李章宇，林志航. 融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用, 2020, 56(7): 221-227.
[12]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[13]	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.
[14]	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.
[15]	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.

基于信息熵的粗糙集属性约简及其应用

Attribute reduction in rough set based on information entropy and it’s application.Computer Engineering and Applications

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