基于区分链表属性约简改进算法.docVIP

基于区分链表属性约简改进算法 　摘; 要; 属性约简是粗糙集理论中核心内容之一，本文首先分析了区分矩阵的特性，给出经典的区分矩阵算法。然后，鉴于区分矩阵存在的空间复杂度高的缺点，提出一种基于区分链表的属性约简改进算法，将对象数为n的区分矩阵大小由n(n-1)/2至少压缩到|U/R|*（|U/R|-1）/2，降低了算法的空间复杂度，更适用于大数据量的情况。 ; 关键词; 粗糙集；区分矩阵；属性约简；区分线性表;1; 引言 ; 粗糙集(Rough Set ,RS) 理论是 Z.Pawlak 提出的一种处理不一致、不完整数据和不精确知识表达等各种不完备信息的数学理论[1] 。其中属性约简是粗糙集理论中核心内容之一，现已证明是典型的NP难题[2，3]。所谓属性约简是指在保证信息系统分类能力或决策能力不变的条件下，删除属性集中的冗余属性。属性约简在分类学习及分类数据挖掘中具有重要的作用，目前国内外学术界在属性约简方面已经做了大量研究，并得到了许多有效的算法[4~6]。文献[4] 深入分析了算法低效性的根源,给出了高效的约简算法；文献[5]给出了基于信息论的方法；文献[6]利用正区域的启发式信息给出了两种属性相对约简算法；其中应用较多的是基于华沙大学数学家Skowron提出差别矩阵[7]以及在此基础上的一些改进[9~11]，由于这种基于区分矩阵方法易于解释和计算核属性,同时也便于约简，该方法为