同可区分度属性约简的研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (24): 115-118.

• 数据库、信号与信息处理 • 上一篇下一篇

同可区分度属性约简的研究

曾凡智1，黄国顺2，陈广义1，文翰2

1.佛山科学技术学院计算机系，广东佛山 528000
2.佛山科学技术学院理学院，广东佛山 528000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-21 发布日期:2011-08-21

Research of attribute reduction algorithm based on common discernibility degree

ZENG Fanzhi1，HUANG Guoshun2，CHEN Guangyi1，WEN Han2

1.Department of Computer Sciences，Foshan University，Foshan，Guangdong 528000，China
2.School of Science，Foshan University，Foshan，Guangdong 528000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-21 Published:2011-08-21

摘要/Abstract

摘要： 通过具体算例指出基于同可区分度属性约简不是王国胤等提出的条件信息熵约简。理论上证明了基于同可区分度属性约简仅是基于差别矩阵的HU属性约简，它是一种基于梁吉业等提出的新条件信息熵属性约简。证明了同可区分度约简协调集一定是代数协调集和信息熵协调集，从而代数约简核属性和信息熵核属性一定是同可区分度约简核属性的子集。

关键词: 同可区分度, 属性约简, HU属性约简

Abstract: It is showed that the attribute reduction based on common discernibility degree is different from the one based on conditional information entropy proposed by Wang Guoyin et al.it is proved that the attribute reduction based on common discernibility degree is just an HU’s attribute reduction based on discernibility matrix，which is equivalent to the reduction that is based on the information entropy presented by Liang Jiye et.al.It is pointed out that the core attributes of algebraic and conditional information entropy reductions must be included by the one based on common discernibility degree.

Key words: common discernibility degree, attribute reduction, HU’s attribute reduction

曾凡智1，黄国顺2，陈广义1，文翰2. 同可区分度属性约简的研究[J]. 计算机工程与应用, 2011, 47(24): 115-118.

ZENG Fanzhi1，HUANG Guoshun2，CHEN Guangyi1，WEN Han2. Research of attribute reduction algorithm based on common discernibility degree[J]. Computer Engineering and Applications, 2011, 47(24): 115-118.

[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]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	彭潇然1，2，刘遵仁2，纪俊2. 基于样本类别的邻域粗糙集正域计算[J]. 计算机工程与应用, 2018, 54(20): 115-121.

同可区分度属性约简的研究

Research of attribute reduction algorithm based on common discernibility 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