属性约简算法在海产品安全评估中的应用

doi:10.3778/j.issn.1002-8331.1504-0286

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (2): 98-102.DOI: 10.3778/j.issn.1002-8331.1504-0286

属性约简算法在海产品安全评估中的应用

鄂旭1，2，谭艳1，励建荣2，毛玫静1，杨明婧1

1.渤海大学信息科学与技术学院，辽宁锦州 121000
2.渤海大学食品科学研究院，辽宁锦州 121000

出版日期:2017-01-15 发布日期:2017-05-11

Application of attribute reduction algorithm in seafood safety assessment

E Xu1，2, TAN Yan1, LI Jianrong2, MAO Meijing1, YANG Mingjing1

1.College of Information Science and Technology, Bohai University, Jinzhou, Liaoning 121000, China
2.Food Science Research Institution, Bohai University, Jinzhou, Liaoning 121000, China

Online:2017-01-15 Published:2017-05-11

摘要/Abstract

摘要： 针对海产品安全评估体系中大量的、冗余的评估指标问题，提出了一种新的混合信息粒度的属性不重要性算法。该算法首先从理论上分析了属性不重要性的可行性，提出了属性不重要性公式，然后为了减少算法的时间复杂度，任意求出算法的一个核属性，最后，通过比较其他属性的属性不重要性值，选择属性不重要性值小的属性，确定最佳的约简属性集。通过具体实例分析和实验结果，表明该属性约简算法可以应用到海产品安全评估体系中。

关键词: 属性约简, 海产品安全, 信息粒度

Abstract: In view of the complex and redundant problems of the evaluation index in the seafood safety assessment system, a new attribute unimportance algorithm is proposed based on mixed information granularity. The algorithm firstly analyzes the feasibility of attribute unimportance in theoretically, then it only calculates arbitrary core attribute in order to reduce the algorithm’s time complexity. Finally, it selects a small attribute unimportance value and determines the best set of attributes reduction by comparing the other attributes unimportance value. Through the experimental analysis and validation, it shows that the algorithm can be applied to reduce the assessment index in the seafood safety assessment system.

Key words: attribute reduction, seafood safety, information granularity

鄂旭1，2，谭艳1，励建荣2，毛玫静1，杨明婧1. 属性约简算法在海产品安全评估中的应用[J]. 计算机工程与应用, 2017, 53(2): 98-102.

E Xu1，2, TAN Yan1, LI Jianrong2, MAO Meijing1, YANG Mingjing1. Application of attribute reduction algorithm in seafood safety assessment[J]. Computer Engineering and Applications, 2017, 53(2): 98-102.

[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.

属性约简算法在海产品安全评估中的应用

Application of attribute reduction algorithm in seafood safety assessment

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