一种新属性集依赖度.docVIP

一种新的属性集依赖度研究 孟庆全1,梅灿华2 （1.安徽中医学院 医药信息工程学院,安徽 合肥 230038; 2.淮南职业技术学院 信息与电气工程系,安徽 淮南 232001） 摘 要：提出了新的属性集依赖度的概念，给出了属性集依赖度的求解步骤和算法。针对单一属性依赖度与属性集依赖度的差别，讨论了属性集依赖度的意义，得出属性集依赖度更加可信的结论。 关键词：粗糙集；属性集；依赖度 中图分类号: TP182　　　文献标识码: A Research on a new dependability of Attribute sets MENG Qing-quan1 ，Mei Can-hua2 （1. School of medical information project ， AnHui College Traditional Chinese medicine， Hefei 230038 china; 2. Department of information and electrical engineering, Huainan Vocational Technical College, huainan 232001 china） Abstract: This paper purposed a new conception of attribute sets dependability, and put forward the calculating method. It discussed the point of attribute sets dependability based on the character different from single dependability, and suggested that attribute dependability was more authentic . Keywords: rough sets; attribute set; dependability 0 引言 粗糙集合理论作为一种新的处理不确定性的有效数学工具，在计算机科学与技术领域中发挥了重要的作用。该理论由波兰数学家Pawlak.Z于1982年首先提出[Paw82]，20世纪90年代得到快速发展。根据粗集理论的方法，知识推理就是由给定的知识表达系统的条件属性和决策属性，求出所有符合该知识的最小决策算法，得到最简分类规则。 决策表是一种同时拥有条件属性和决策属性集的知识表达系统，是一种特殊的信息表。数据挖掘的目的，是从决策表中删除无用的属性或对象，提取有用的（决策）规则。这种规则的提取，就是知识的约简。目前，很多学者在这一领域提出了很多有效的方法，取得了卓越的成就。但计算所有属性约简已被证明是NP完全问题，且目前尚不存在一种非常有效的方法。 [5] 决策属性对条件属性的依赖度，是条件属性重要程度的衡量。在评价某属性的重要程度时，除要依据本属性（单一属性）的重要程度，还要依据该属性与其他属性构成的属性集的重要程度。目前，绝大多数文献对依赖度度的研究，限于求解单一属性依赖度，认为单一属性依赖度为0的属性对决策表并无贡献，在约简时将其舍弃。然而，通过研究得知，把单一属性依赖度为0的属性删除，往往会造成知识的丢弃。因此，研究两个或两个以上属性构成的属性集依赖度，具有更加重要的意义。曾黄麟在文献[2]、张文修等在文献[3]中，把所有条件属性的集合定义为属性集，决策属性集对条件属性集的依赖度为1的划分为一致性决策表，对条件属性中两个和两个以上的属性构成的属性集没有给出明确的定义，也没有讨论决策属性对这种属性集依赖度的意义及具体算法。朱红在文献[4]中提到属性集依赖度，但实际上求解的仍是单一属性依赖度。 本文对属性集（两个或两个以上的属性构成）依赖度作了进一步研究，认为依赖度为0的单一属性在知识约简时并不能轻易舍弃，其求解方法简单，时间、空间性能好。 1粗集理论中属性依赖度的概念 定义1 一个近似空间(或知识库)定义为一个关系系统(或二元组)K=(U，R)，其中U≠Φ是一个称为全域或论域的有限集合，R是U上的等价关系的一个族集。 定义2 对近似空间K=(U，R)，设PR，且P≠Φ，P中等价关系的交集称为P上的不可区分关系，记作IND(P)，即：[x]ind(P) =∩[x]R。可知，IND(P)中的每一个等价类中的各元素对P中的各属性来说有相同的值，其中等价类的求解可由P中各等价关系的等价类相交而求得。 定义3 设XU，且x∈U，集合X的成员函数定义为 μ(x)= (1) 其中，R是不可区分关系，R(x)=[x]R={y：(y∈U)^(y∈x)}，card()表示集