基于知识划分粒度的信息系统约简算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 19-21.

基于知识划分粒度的信息系统约简算法

冯琴荣^1,2,苗夺谦¹,程昳¹

1.同济大学计算机科学与技术系，上海 201804
2.山西师范大学数学与计算机科学学院，山西临汾 041004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 冯琴荣

Reduction algorithm for information systems based on knowledge partition granularity

FENG Qin-rong^1,2,MIAO Duo-qian¹,CHENG Yi¹

1.Department of Computer Science and Technology，Tongji University，Shanghai 201804，China
2.College of Mathematics and Computer Science，Shanxi Normal University，Linfen，Shanxi 041004，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: FENG Qin-rong

摘要/Abstract

摘要： 粗糙集理论认为知识就是分类。对知识的分类能力给予了量化，提出利用知识的划分粒度来定量地表示知识的分类能力。首先建立了知识与其划分粒度间的关系；其次，基于划分粒度定义了属性的重要性，并以此为启发式信息设计了一个信息系统的约简算法；最后通过实例表明，该算法是高效的。

关键词: 粗糙集, 知识约简, 划分粒度, 信息系统

Abstract: Knowledge and classifications are related together by the theory of rough sets which claim that knowledge is deep-seated in the classificatory abilities of human beings.In this paper，quantitatively represent the ability of knowledge’s classification by partition granularity.Firstly，the relationship between knowledge and its partition granularity is set up.Secondly，the significance of attributes is defined from the view of partition granularity，and a heuristic algorithm based on partition granularity for reduction of an information system is proposed.Finally，shows that this algorithm is effective for dealing with relatively large-scale information system through an example.

Key words: rough sets, knowledge reduction, partition granularity, information systems

冯琴荣^1,2,苗夺谦¹,程昳¹. 基于知识划分粒度的信息系统约简算法[J]. 计算机工程与应用, 2007, 43(34): 19-21.

FENG Qin-rong^1,2,MIAO Duo-qian¹,CHENG Yi¹. Reduction algorithm for information systems based on knowledge partition granularity[J]. Computer Engineering and Applications, 2007, 43(34): 19-21.

[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]	应毅，任凯，刘亚军. 基于GIS技术和加权kNN算法的实时揽件调度方法[J]. 计算机工程与应用, 2020, 56(21): 248-252.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.