改进的相容矩阵的属性约简算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (32): 49-50.

改进的相容矩阵的属性约简算法

阮慎1，3，徐章艳1，2，王炜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:2011-11-11 发布日期:2011-11-11

Improved tolerance matrix attribute reduction algorithm

RUAN Shen1，3，XU Zhangyan1，2，WANG Wei1，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:2011-11-11 Published:2011-11-11

摘要/Abstract

摘要： 在粗糙集理论中，知识约简已经成为其核心内容之一。针对相关文献中基于相容矩阵的不完备信息系统属性约简算法，提出了一种新的相容矩阵定义，该矩阵能够减少关注的条件属性。同时，也证明利用该矩阵所求的属性约简与相关文献中的属性约简是等价的。给出了其属性约简算法，提高了属性约简的速度。

关键词: 粗糙集, 属性约简, 不完备信息系统, 相容矩阵

Abstract: In rough set theory，knowledge reduction has been one of the key contents.In this paper a new tolerance matrix is defined relative to tolerance relation-based attribute reduction algorithm under incomplete information systems in related reference.It is able to reduce the number of conditional attributes which need to be concerned.At the same time，it is proved that the attribute reduction acquired from this new method is equivalent to the attribute reduction in related reference.An algorithm for attribute reduction is presented，the speed of attribute reduction in incomplete information systems is increased.

Key words: rough set, attribute reduction, incomplete information systems, tolerance matrix

阮慎1，3，徐章艳1，2，王炜1，杨炳儒2. 改进的相容矩阵的属性约简算法[J]. 计算机工程与应用, 2011, 47(32): 49-50.

RUAN Shen1，3，XU Zhangyan1，2，WANG Wei1，YANG Bingru2. Improved tolerance matrix attribute reduction algorithm[J]. Computer Engineering and Applications, 2011, 47(32): 49-50.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.