一种快速差别矩阵属性约简算法

doi:10.3778/j.issn.1002-8331.2010.20.046

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (20): 164-167.DOI: 10.3778/j.issn.1002-8331.2010.20.046

一种快速差别矩阵属性约简算法

吕萍¹，钱进^1，2，王波³，谢峰3

1.江苏技术师范学院计算机工程学院，江苏常州 213001
2.同济大学计算机科学与技术系，上海 201804
3.江苏技术师范学院教务处，江苏常州 213001

收稿日期:2010-04-14 修回日期:2010-05-17 出版日期:2010-07-11 发布日期:2010-07-11
通讯作者: 吕萍

Fast attribute reduction algorithm based on discernibility matrices

LV Ping1，QIAN Jin1，2，WANG Bo3，XIE Feng3

1.Institute of Computer Engineering，Jiangsu Teachers University of Technology，Changzhou，Jiangsu 213001，China
2.Department of Computer Science and Technology，Tongji University，Shanghai 201804，China
3.Academic Administration Office，Jiangsu Teachers University of Technology，Changzhou，Jiangsu 213001，China

Received:2010-04-14 Revised:2010-05-17 Online:2010-07-11 Published:2010-07-11
Contact: LV Ping

摘要/Abstract

摘要： 为了解决基于差别矩阵属性约简的计算效率问题，分析了基于差别矩阵的属性约简算法的不足，给出了新的差别矩阵的定义，大大减少了差别矩阵中非空元素的个数，提高了属性约简算法的效率。利用单个属性的不可辨识性来计算出现频率最多的属性，进一步降低差别矩阵的大小，并设计了基于新的差别矩阵的快速属性约简算法。对UCI一些数据库进行了仿真，实验结果表明了新算法具有高效性。

关键词: 粗糙集, 属性约简, 差别矩阵, 不一致决策表

Abstract: In order to solve the efficiency problem of calculating the attribute reduction based on discernibility matrices，the shortcomings of attribution reduction algorithm are analyzed based on discernibility matrices，and the definition of the new discernibility matrices is presented.It decreases greatly the number of non-empty elements，which improves the efficiency of algorithm for attribute reduction based on discernibility matrices.And an attribute with indiscernibility can be used to compute the attribute with more frequencies for generating smaller discernibility matrices.A new algorithm based on the improved discernibility matrices is proposed.An example is used to illustrate the efficiency of the new algorithm.The simulation experiments for UCI databases show that the new algorithm is efficient for various kinds of data sets.

Key words: rough set, attribute reduction, discernibility matrices, inconsistent decision table

中图分类号:

TP18

吕萍¹，钱进^1，2，王波³，谢峰3. 一种快速差别矩阵属性约简算法[J]. 计算机工程与应用, 2010, 46(20): 164-167.

LV Ping1，QIAN Jin1，2，WANG Bo3，XIE Feng3. Fast attribute reduction algorithm based on discernibility matrices[J]. Computer Engineering and Applications, 2010, 46(20): 164-167.

[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.

一种快速差别矩阵属性约简算法

Fast attribute reduction algorithm based on discernibility matrices

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