扩展正区域的属性约简方法

doi:10.3778/j.issn.1002-8331.2008.34.045

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (34): 145-148.DOI: 10.3778/j.issn.1002-8331.2008.34.045

• 数据库、信号与信息处理 • 上一篇下一篇

扩展正区域的属性约简方法

王俊祥¹,胡峰²

1.重庆文理学院基础学院，重庆 402168
2.重庆邮电学院计算机科学与技术研究所，重庆 400065

收稿日期:2007-12-18 修回日期:2008-03-21 出版日期:2008-12-01 发布日期:2008-12-01
通讯作者: 王俊祥

Reduction algorithm under extended positive region

WANG Jun-xiang¹,HU Feng²

1.College of Fundamental Science，Chongqing University of Arts and Sciences，Chongqing 402168，China
2.Institute of Computer Science and Technology，Chongqing University of Posts and Telecommunications，Chongqing 400065，China

Received:2007-12-18 Revised:2008-03-21 Online:2008-12-01 Published:2008-12-01
Contact: WANG Jun-xiang

摘要/Abstract

摘要： 扩展了Rough集正区域和边界的定义，在得到信息系统最大正区域的前提下，给出了认知正区域、认知属性核和认知属性约简的定义，并给出了从经典属性约简到认知属性约简转换的高效算法。此外，在认知正区域的定义下，由于决策表的不相容性，在变精度模型下实现属性约简的增量处理是相当困难的，结合提出的高效算法，解决了这一问题。最后，仿真实验说明了算法的有效性。

关键词: 粗集, 决策表, 认知核属性, 认知属性约简, 增量式

Abstract: The definitions of cognitive positive region，cognitive attribute core and cognitive attribute reduction are proposed，by extending the notions of positive region and boundary region in classic rough set theory.Furthermore，a high efficient algorithm of transforming classic attribute reduction to cognitive attribute reduction is presented.It is difficult to implement incremental attribute reduction in VPRS model due to the non-tolerance of decision table，which is solved by combining high efficient transforming algorithm.Experimental results illuminate the validity and effectiveness of algorithms.

Key words: rough set, decision table, cognitive core attribute, cognitive attribute reduction, incremental

王俊祥¹,胡峰². 扩展正区域的属性约简方法[J]. 计算机工程与应用, 2008, 44(34): 145-148.

WANG Jun-xiang¹,HU Feng². Reduction algorithm under extended positive region[J]. Computer Engineering and Applications, 2008, 44(34): 145-148.

[1]	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.
[2]	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.
[3]	李婷1，张瑞芳1，郭克华1，2. 面向个性化网站的增量协同过滤推荐方法[J]. 计算机工程与应用, 2019, 55(4): 225-232.
[4]	李旭，李前辰. 一种变精度约简转化为正区域约简的方法[J]. 计算机工程与应用, 2019, 55(17): 51-54.
[5]	潘杰1，渡边政彦2，周宽久1，梁浩然1，崔凯1. 嵌入式软件形式化建模方法[J]. 计算机工程与应用, 2018, 54(8): 61-71.
[6]	王映龙，华佳佳，杨珺，钱文彬. 基于相似关系的集值决策信息系统的属性约简[J]. 计算机工程与应用, 2018, 54(5): 122-126.
[7]	李兵洋，肖健梅，王锡淮. 多半径邻域粗糙集改进约简算法[J]. 计算机工程与应用, 2017, 53(11): 7-12.
[8]	戎全兵1，2，王凤山1，2，张宏军1. 地下工程震害风险体系的改进粗集约简方法[J]. 计算机工程与应用, 2016, 52(9): 146-153.
[9]	卜范玉1，2，陈志奎1，张清辰1. 支持增量式更新的大数据特征学习模型[J]. 计算机工程与应用, 2015, 51(12): 21-26.
[10]	孙立民. 改进的粗糙集属性权重确定方法[J]. 计算机工程与应用, 2014, 50(5): 43-45.
[11]	李令强. L-模糊上近似的唯一公理刻画[J]. 计算机工程与应用, 2014, 50(24): 1-3.
[12]	曾艳燕1，徐章艳1，曾玲珍2，张姣1，宋腊香3. 基于区分对象对的不完备决策表求核[J]. 计算机工程与应用, 2013, 49(19): 104-107.
[13]	林春杰1，张瑞玲1，韩晓琴2. 基于变精度粗糙集的不完备决策表属性约简[J]. 计算机工程与应用, 2013, 49(13): 118-120.
[14]	王帅1，徐章艳1，谭宗凤2，舒文豪1. 一种相容矩阵的启发式属性约简算法[J]. 计算机工程与应用, 2013, 49(1): 145-147.
[15]	朱静涛，曾喆昭，肖强英. 改进卡尔曼滤波的PID控制[J]. 计算机工程与应用, 2012, 48(9): 245-248.

扩展正区域的属性约简方法

Reduction algorithm under extended positive region

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