基于覆盖算法的条件信息熵表示及属性约简

doi:10.3778/j.issn.1002-8331.2009.31.034

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 115-117.DOI: 10.3778/j.issn.1002-8331.2009.31.034

• 数据库、信号与信息处理 • 上一篇下一篇

基于覆盖算法的条件信息熵表示及属性约简

单雪红^1，2，吴涛^2，3，李国成²

1.宿州学院数学系，安徽宿州 234000
2.安徽大学数学科学学院，合肥 230039
3.安徽大学智能计算与信号处理教育部重点实验室，合肥 230039

收稿日期:2008-06-24 修回日期:2009-09-20 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 单雪红

Conditional information entropy based on covering algorithm and attributes reduction

SHAN Xue-hong^1，2，WU Tao^2，3，LI Guo-cheng²

1.Deparement of Mathematics，Suzhou College，Suzhou，Anhui 234000，China
2.School of Mathematics Science，Anhui University，Hefei 230039，China
3.Key Lab IC&SP，Anhui University，Hefei 230039，China

Received:2008-06-24 Revised:2009-09-20 Online:2009-11-01 Published:2009-11-01
Contact: SHAN Xue-hong

摘要/Abstract

摘要： 利用覆盖算法对数据进行处理，得到论域U的一个划分，定义一种基于覆盖的条件信息熵，由新的条件信息熵定义新的属性重要性，并证明了对于一致决策表，它与代数定义下的重要性是等价的。以新的属性重要性为启发信息设计约简算法，并给出计算新的条件信息熵的算法。实验结果表明该约简算法能快速搜索到最优或次优约简。

关键词: 覆盖算法, Rough集理论, 知识约简, 条件信息熵

Abstract: Processing data can be partitioned using covering algorithm.In this paper，a new concept of conditional information entropy is put forward，and then the new significance of an attributes is defined based on this entropy.In a consistent decision table，the equivalence between algebraic significance and conditional information entropy significance of attributes is proved.But it is incorrect in the inconsistent decision table.A heuristic algorithm for knowledge reduction is designed.The experimental results show that this algorithm can find the minimal or optimal reduction.

Key words: covering algorithm, rough set theory, reduction, conditional information entropy

中图分类号:

TP18

单雪红^1，2，吴涛^2，3，李国成². 基于覆盖算法的条件信息熵表示及属性约简[J]. 计算机工程与应用, 2009, 45(31): 115-117.

SHAN Xue-hong^1，2，WU Tao^2，3，LI Guo-cheng². Conditional information entropy based on covering algorithm and attributes reduction[J]. Computer Engineering and Applications, 2009, 45(31): 115-117.

[1]	吴根秀，吴恒，黄涛. 证据理论与熵值融合的知识约简新方法[J]. 计算机工程与应用, 2016, 52(19): 167-170.
[2]	王发麟，廖文和，郭宇，方伟光. 基于本体和粗糙集的协同产品设计知识约简[J]. 计算机工程与应用, 2016, 52(14): 72-77.
[3]	李萍1，吴涛2. 协同半监督的构造性学习方法[J]. 计算机工程与应用, 2015, 51(3): 129-132.
[4]	常玉慧1，2，吕萍1，2，钱进1，2. 云计算下保持边界域划分的知识约简算法研究[J]. 计算机工程与应用, 2015, 51(24): 159-164.
[5]	陈亚菲，王展鸿，王霞. 影响网上购物的不确定性因素分析[J]. 计算机工程与应用, 2014, 50(4): 114-117.
[6]	金玲玲1，苏莉1，王喜凤2. 灰色信息系统基于集中有序关系下的知识约简[J]. 计算机工程与应用, 2014, 50(24): 139-142.
[7]	胡秦斌. 一种基于决策信息系统的知识约简算法[J]. 计算机工程与应用, 2013, 49(16): 133-136.
[8]	高维春，谭旭. 决策属性未知下的学生评教粗糙集分析[J]. 计算机工程与应用, 2012, 48(9): 238-241.
[9]	贾瑞玉1，李永顺 1，倪志伟2. 覆盖约简算法在Captcha识别方面的应用[J]. 计算机工程与应用, 2012, 48(6): 196-199.
[10]	李家兵1，何富贵2. 基于LVQ神经网络的改进覆盖算法[J]. 计算机工程与应用, 2012, 48(17): 165-169.
[11]	张燕平1，2，刘超1，2，曲永花3. WCBVSM与SACA结合的文本分类模型[J]. 计算机工程与应用, 2012, 48(11): 137-142.
[12]	吴鹏，易晓梅. 集值Rough扩展模型知识约简[J]. 计算机工程与应用, 2011, 47(31): 138-140.
[13]	马喆，贲可荣，柳玉. 基于熵约简和多核支持向量机的软件语义标注[J]. 计算机工程与应用, 2011, 47(29): 69-73.
[14]	张光轶1，苏艳琴1，程继红2. 一种融合差别矩阵和条件熵的故障诊断方法[J]. 计算机工程与应用, 2011, 47(17): 4-6.
[15]	周彤l，张家录2. 随机信息系统属性相关性及在知识约简中的应用[J]. 计算机工程与应用, 2011, 47(14): 140-142.

基于覆盖算法的条件信息熵表示及属性约简

Conditional information entropy based on covering algorithm and attributes reduction

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