基于离散差分演化的粗糙集属性约简算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 134-136.

• 数据库、信号与信息处理 • 上一篇下一篇

基于离散差分演化的粗糙集属性约简算法

姚跃华，艾浩峰

长沙理工大学计算机与通信工程学院，长沙 410014

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Rough set attribute reduction algorithm based on discrete differential evolution

YAO Yuehua，AI Haofeng

Institute of Computer and Communication Engineering，Changsha University of Sciences and Technology，Changsha 410014，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 为了有效地获取属性最小相对约简，提出了一种新的基于离散差分演化算法的粗糙集属性约简算法。利用一种新的区间编码机制将差分演化算法离散化，用于求解最小属性约简问题。提出了一种新的适应度函数计算方法来控制染色体朝着最小约简的方向进化。实验结果表明该算法是有效的，特别是当数据规模较大时收敛速度更快，更加节省计算时间，为属性约简提供了一个新的思路。

关键词: 粗糙集, 属性约简, 差分演化算法, 区间编码映射

Abstract: In order to get minimal subsets of attributes，this paper proposes a rough set attribute reduction algorithm based on discrete differential evolution algorithm.Using a new range encoding mapping，the differential evolution algorithm can be used to deal with minimum attribute reduction problem.Secondly，a new calculation of the fitness function is proposed to control chromosomes’evolution in the direction of the minimum reduction.Experimental results show that the algorithm is effective，especially when data is large-scale，with fast convergence speed and more time saved in computation，which provides a new idea for attribute reduction.

Key words: rough set, attribute reduction, differential evolution algorithm, range encoding mapping

姚跃华，艾浩峰. 基于离散差分演化的粗糙集属性约简算法[J]. 计算机工程与应用, 2011, 47(34): 134-136.

YAO Yuehua，AI Haofeng. Rough set attribute reduction algorithm based on discrete differential evolution[J]. Computer Engineering and Applications, 2011, 47(34): 134-136.

[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.

基于离散差分演化的粗糙集属性约简算法

Rough set attribute reduction algorithm based on discrete differential evolution

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