基于模糊粗糙依赖度的连续值属性约简

doi:10.3778/j.issn.1002-8331.2010.17.038

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (17): 136-138.DOI: 10.3778/j.issn.1002-8331.2010.17.038

• 数据库、信号与信息处理 • 上一篇下一篇

基于模糊粗糙依赖度的连续值属性约简

翟兴隆，李续武

空军工程大学导弹学院计算机工程系，陕西三原 713800

收稿日期:2009-12-24 修回日期:2010-03-29 出版日期:2010-06-11 发布日期:2010-06-11
通讯作者: 翟兴隆

Continuous attribute reduction based on fuzzy rough dependence degree

ZHAI Xing-long，LI Xu-wu

Department of Computer Engineering，Missile Institute，Air Force Engineering University，Sanyuan，Shaanxi 713800，China

Received:2009-12-24 Revised:2010-03-29 Online:2010-06-11 Published:2010-06-11
Contact: ZHAI Xing-long

摘要/Abstract

摘要： 针对传统的离散化技术所造成的信息丢失问题，提出了利用模糊粗糙集理论来进行属性约简的方法。描述了模糊等价关系下的粗糙集模型，定义了正域、依赖度等概念，提出了基于模糊粗糙依赖度的属性约简算法，该方法比传统属性约简方法具有更好的时间复杂性，并用实例证明了该算法的可行性。

关键词: 模糊粗糙集, 依赖度, 连续值, 属性约简

Abstract: As to the problem of information loss in the process of discretization，a method of attribute reduction based on the fuzzy rough sets theory is described.A model of rough sets under fuzzy equivalent relations is systematically investigated.The definitions of positive field，dependence degree are given.And an attribute reduction algorithm based on fuzzy rough dependence degree is particularly analyzed，which is more efficient than the traditional methods.Experiments show the feasibility of the application of the algorithm.

Key words: fuzzy rough sets, dependence degree, continuous features, attribute reduction

中图分类号:

TP182

翟兴隆，李续武. 基于模糊粗糙依赖度的连续值属性约简[J]. 计算机工程与应用, 2010, 46(17): 136-138.

ZHAI Xing-long，LI Xu-wu. Continuous attribute reduction based on fuzzy rough dependence degree[J]. Computer Engineering and Applications, 2010, 46(17): 136-138.

[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]	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.
[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]	张晓婷，何朗，黄樟灿，谈庆. 基于MFR-GEP的高阶常微分方程预测模型[J]. 计算机工程与应用, 2019, 55(21): 247-253.
[13]	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.
[14]	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.
[15]	任志斌，李洋，郭士杰，郭志红，刘秀丽. 基于模糊粗糙集的睡姿压力图像识别[J]. 计算机工程与应用, 2018, 54(3): 172-177.

基于模糊粗糙依赖度的连续值属性约简

Continuous attribute reduction based on fuzzy rough dependence degree

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