区分对象对集的不完备决策表属性约简

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 122-124.

• 数据库、信号与信息处理 • 上一篇下一篇

区分对象对集的不完备决策表属性约简

廖洪建1，3，徐章艳1，李晓瑜1，杨炳儒2

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
3.柳州师范高等专科学校数学与计算机科学系，广西柳州 545004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

Attribute reduction algorithm based on discernibility object pair set in incomplete decision table

LIAO Hongjian1，3，XU Zhangyan1，LI Xiaoyu1，YANG Bingru2

1.College of Computer Science & Information Technology，Guangxi Normal University，Guilin，Guangxi 541004，China
2.School of Information Engineering，University of Science and Technology Beijing，Beijing 100083，China
3.Department of Mathematics and Computer Science，Liuzhou Teachers College，Liuzhou，Guangxi 545004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 通过利用粗糙集中差别矩阵的思想，引入不完备决策表的区分对象对集的概念。并给出不完备决策表基于区分对象对集的属性约简定义。同时，也证明了利用该定义得到的不完备决策表的属性约简与基于正区域的属性约简是等价的。相比较基于正区域的不完备决策表属性约简算法，基于区分对象对集的属性约简算法时间复杂度是降低的。最后，用一个实例说明了该算法的合理性。

关键词: 粗糙集, 差别矩阵, 区分对象对集, 正区域

Abstract: This paper brings up a definition of discernibility object pair set in incomplete decision table by using the idea of discernibility matrix in rough set.Then the corresponding definition of attribute reduction in incomplete decision table is given.At the same time it is proved that the attribute reduction based on discernibility object pair set is equivalent to the one based on positive region.And the time complexity of attribute reduction algorithm based on it is cut down compared with the attribute reduction of postive region.Finally，an example is used to illustrate the rationality of the new algorithm.

Key words: rough set, discernibility matrix, discernibility object pair set, postive region

廖洪建1，3，徐章艳1，李晓瑜1，杨炳儒2. 区分对象对集的不完备决策表属性约简[J]. 计算机工程与应用, 2011, 47(31): 122-124.

LIAO Hongjian1，3，XU Zhangyan1，LI Xiaoyu1，YANG Bingru2. Attribute reduction algorithm based on discernibility object pair set in incomplete decision table[J]. Computer Engineering and Applications, 2011, 47(31): 122-124.

[1]	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.
[2]	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.
[3]	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.
[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]	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.
[6]	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.
[7]	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.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	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.
[10]	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.
[11]	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.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	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.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	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.

区分对象对集的不完备决策表属性约简

Attribute reduction algorithm based on discernibility object pair set in incomplete decision table

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