一种新的信息熵属性约简算法

doi:10.3778/j.issn.1002-8331.2009.32.034

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (32): 108-110.DOI: 10.3778/j.issn.1002-8331.2009.32.034

• 数据库、信号与信息处理 • 上一篇下一篇

一种新的信息熵属性约简算法

舒文豪¹，徐章艳^1，2，杨炳儒²，钱文彬¹

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:2009-06-12 修回日期:2009-07-24 出版日期:2009-11-11 发布日期:2009-11-11
通讯作者: 舒文豪

Novel attribution reduction algorithm of information entropy

SHU Wen-hao¹，XU Zhang-yan^1，2，YANG Bing-ru²，QIAN Wen-bin¹

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:2009-06-12 Revised:2009-07-24 Online:2009-11-11 Published:2009-11-11
Contact: SHU Wen-hao

摘要/Abstract

摘要： 给出一个区分对象对的属性约简定义，同时证明该属性约简的定义与基于信息熵的属性约简的定义是等价的。为求出区分对象对集，首先给出了一个快速求简化决策表的算法，其时间复杂度为O（|C||U|）。然后在简化决策表的基础上，设计了基于区分对象对集的信息熵属性约简算法，其时间复杂度和空间复杂度分别为O（|C||U|）+O（|C||U/C|²）和O（|U/C|²）+O（|U|），最后用一个实例说明了新算法的高效性。

关键词: 粗糙集, 信息熵, 区分对象对集, 属性约简, 算法复杂度

Abstract: Firstly，the definition of attribution reduction of discernibility object pair set is provided.At the same time，it is proved that the above definition of attribution reduction is equal to the definition of attribution reduction based on information entropy.In order to compute discernibility object pair set，a quick algorithm for simplified decision table is provided，whose time complexity is O（|C||U|）.On this condition，an efficient attribution reduction algorithm based on information entropy of discernibility object pair set is designed，whose time complexity and space complexity of the new algorithm are O（|C||U|）+O（|C||U/C|²） and O（|U/C|²）+O（|U|）respectively.Finally，an example is used to illustrate the efficiency of the new algorithm.

Key words: rough set, information entropy, discernibility object pair set, attribution reduction, algorithm complexity

中图分类号:

TP311

舒文豪¹，徐章艳^1，2，杨炳儒²，钱文彬¹. 一种新的信息熵属性约简算法[J]. 计算机工程与应用, 2009, 45(32): 108-110.

SHU Wen-hao¹，XU Zhang-yan^1，2，YANG Bing-ru²，QIAN Wen-bin¹. Novel attribution reduction algorithm of information entropy[J]. Computer Engineering and Applications, 2009, 45(32): 108-110.

[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]	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.
[13]	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.
[14]	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.
[15]	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.

一种新的信息熵属性约简算法

Novel attribution reduction algorithm of information 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