遗传算法信息熵结合属性约简算法的研究.pdfVIP

摘 要 粗糙集(Roughsets)理论是由Z．Pawlak教授于20世纪80年代 初提出的一种用于处理不确定性和含糊性知识的数学工具，其基本思想 是在保持分类能力不变的前提下，通过知识约简，导出概念的分类规则。 它无需提供相关数据集合以外的任何先验信息，适合于发现数据库中隐 含的、潜在有用的规律，即知识，找出其内部数据的关联关系争特征。 近年来，粗糙集理论和应用取得了很大的成功，已成为软计算方法的重 要分支，其涉及的领域包括模式识别、机器学习、决策分析和决策支持、 知识获取、知识发现等。 首先本文介绍’了经典(Pawlak型)祖糙集的基本理论。其次介绍 了信息熵、遗传算法的基本思想．在此基础上提出了一种新的属性绚简 算法。本文以信息论角度定义的属性重要性度量作为启发式信息，通过 构造一个埘D删巧p。p(f棚算予来引入启发式信息，使得选择的属性子 集的分类能力不变．该算子体现了一种利用启发式信息的局部搜索技 术，使碍算法既保持整体优化特性，叉具有较怏的收敛速度．主要用于 求解决蓑表中的相对属性约简． 关键词：粗糙集曩性约简．遗传算法信惠熵 ABSTRACT