基于属性值分类的多层次粗糙集模型-模式识别与人工智能.pdfVIP

第26 卷摇 第5 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.26摇 No.5 摇 2013年5月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 May摇 摇 2013 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 基于属性值分类的多层次粗糙集模型* 1,3 1 1 1,2 叶明全 摇 摇 胡学钢 摇 摇 胡东辉 摇 摇 吴信东 1(合肥工业大学 计算机与信息学院摇 合肥230009) 2(Department of Computer Science,University of Vermont,Burlington,VT05405,USA) 3(皖南医学院计算机教研室摇 芜湖241002) 摘摇 要摇 传统的粗糙集理论主要是针对单层次决策表的属性约简和决策规则获取研究.然而,现实中树型结构的 属性值分类是普遍存在的.针对条件属性具有属性值分类的情况,结合全子树泛化模式,提出一种多层次粗糙集模 型,分析决策表在不同层次泛化空间下相关性质.结合基于正区域的属性约简理论,提出属性值泛化约简概念讨论 二者之间的关系,同时证明求解泛化约简是一个NP鄄Hard问题.为此,提出一种基于正区域的的启发式泛化约简算 法,该算法采用自顶向下逐步细化搜索策略,能够在保持原始决策表正区域不改变的前提下,将决策表所有属性值 泛化到最佳层次.理论分析和仿真实验表明,泛化约简方法能提高知识发现的层次和泛化能力. 关键词摇 多层次粗糙集,属性值分类,泛化约简,属性约简,全子树泛化 中图法分类号摇 TP 181 A Multi鄄Level Rough Set Model Based on Attribute Value Taxonomies 1,3 1 1 1,2 YE Ming鄄Quan ,HU Xue鄄Gang ,HU Dong鄄Hui ,WU Xin鄄Dong 1(School of Computer and Information,Hefei University of Technology,Hefei230009) 2(Department of Computer Science,University of Vermont,Burlington,VT05405,USA) 3(Department of Computer Science,WannanMedical College,Wuhu241002) ABSTRACT Most traditional studies on rough sets focus on finding attribute reduction and decision rules on the single level decision tables. However, attribute value taxonomies (AVTs) are usually predefined in applications and represented by hierarchy trees. Aiming at the attribute value taxonomies for condition attributes,the classical rough set model isextende