基于粗糙集理论的属性约简算法的研析.docVIP

摘  要  属性约简是数据挖掘预处理中非常重要的一步，它通过减少信息的维数提高数据 挖掘算法的效率。粗糙集理论是一种刻画不确定性和不完整性知识的数学工具。属性 约简是粗糙集理论应用中的基本问题。　 Wong.S.K.M和Ziarko.W已经证明找出一个信息系统决策表的最小约简是NP-hard 问题。在人工智能中，解决这类问题的一般方法是采用启发式搜索。以属性重要性作 为启发式信息，减小搜索空间。基于属性重要性的约简算法如MIBARK算法，在度量 属性重要性时，要多次将不同的条件属性进行组合，计算其与决策属性之间的互信息， 需要的计算量很大。　 基于提高约简效率的考虑，以属性频率作为选择属性的启发信息，用过滤差别矩 阵得到属性频率，论文基于MIBARK提出了改进算法。实验表明，在获得相同属性约 简的前提下，改进算法中属性的频率信息与差别矩阵可以同时生成，避免了计算各属 性组合与决策属性之间的互信息，从而减少了计算量并提高计算速度。　 在不同的系统中和不同的环境下，用户对属性约简的实际要求和兴趣是不一样 的，目前的属性约简算法普遍没有考虑用户的决策需求。为了满足用户的实际需要， 提出了一种面向用户的属性近似约简算法。该算法利用条件熵度量属性的重要性，不 计算条件属性的核，直接在条件属性的基础上约简。　 实例分析表明，该算法的计算量较少，用户还可以根据实际决策需求更改阈值， 得到满足不同精度要求的约简结果。　 　 　 　 关键词：粗糙集，属性约简，属性重要性，频率，差别矩阵，熵　 　 　 　 3 Abstract Attribute reduction is one of important step in preprocessing of data mining, it improves the efficiency of the data mining algorithm by reducing the dimensions of the information. Rough set theory is a mathematical tool used for dealing with vagueness and uncertainty. Attribute reduction is also one of the basic topics in the rough set theory field. It has been proved by Wong.S. K.M and Ziarko that computing the minimal reduction of decision table is a NP-hard problem. In artificial intelligence, approaching to these problems is heuristic searching. The significance of attribute is used as the heuristic information to reduce searching space. MIBARK is an attribute reduction algorithm based on significance of attribute. Defining the significance of attributes, it requires very big calculating quantity. Because it is necessary to calculate mutual informations between the combinations of different condition attributes and the decision attributes for many times. In order to improve the efficiency of the algorithm, using frequency as the heuristic information of attributes selection, getting frequency of attributes from the filtered discernibility matrix, an improved algorithm based on MIBARK is proposed in this paper. The experiment shows that this algorithm, obtaining the same reduction as MIBARK algorithm, can g