基于粒计算与区分能力的属性约简算法？.pdfVIP

第28卷 第4期 模式识别与人工智能 Vo1．28 No．4 2015年 4月 PR AI Apr． 2015 基于粒计算与区分能力的属性约简算法 冀素琴 石洪波 吕亚丽 (山西财经大学 信息管理学院 太原030031) 摘 要 传统的属性约简方法将整个数据集一次性装入内存 ，很难适应大数据背景下的数据分析．为此文中提出 基于粒计算与区分能力的属性约简算法．该算法运用统计学中的分层抽样技术 ，拆分原始大数据集为多个样本子 集 (粒)，在每个粒上运用属性的区分能力进行属性约简，最后将各粒约简结果进行加权融合，得到原始大数据集的 属性约简结果．实验表明该算法对海量数据集进行属性约简的可行性和高效性． 关键词 海量数据 ，粒计算，属性约简，分层抽样，区分能力 中图法分类号 TP181 DOI 10．16451／j．cnki．issn1003-6059．201504005 AnAttributeReductionAlgorithm BasedonGranularComputingandDiscernibility JISu—Qin，SHIHong-Bo，Lt)Ya—Li (FacultyofInformationManagement，ShanxiUniversityofFinanceandEconomics，Taiyuan030031) ABSTRACT Intraditionalattributereduction algorithms，allthedataareloaded into themainmemory once， which ishardtoadapttothebigdataanalyses．Aimingatthisproblem ，anattributereductionalgorithm basedongranularcomputinganddiscernibilityisproposed．Anoriginallrage-scaledatsetisdividedinto smallgranularitiesbyapplyingstratifiedsamplingin statistics，and then attributesarereducedon each smallgranularitybasedondiscernibilityofattribute．Finally，allthereductionsonsmallgranularitiesare fusedbyweighting．Experimentalresultsshow thattheproposedalgorithm isfeasibleandefficientfor attributeredl】ctjononmassjvedatasets． KeyW ords MassiveDada，GranularComputing，AttributeReduction，StratifiedSampling， Discernibility 国家 自然科学基金项目(No、山西省 自然科学基金项目(No．2013011016—4，2014011022—2)资助 收稿 日期 ：2014—05—26；修回日期：2014—08—18 作者简介 冀素琴 (通讯作者)，女，1972年生 ，硕士，讲师，主要研究方向为数据挖掘、分布式技术．E—mail：jsq58@sina．com． 石洪波，女，1965年生，博士，教授，主要研究方向为机器学习、数据挖掘．吕亚丽，女，1975年生，博士，副教授 ，主要研究方向 为人工智能、数据挖掘． 328 模式识别与人工智能