基于粗糙集理论的属性约简新算法.docVIP

基于粗糙集理论的属性约简新算法 　　摘要:以属性在可分辨矩阵中出现的频率作为启发,对HORAFA算法做了一些改进。引入二进制可辨识矩阵,利用二进制可辨识矩阵求出相对核。以相对核为基础,依次加入属性重要度大的属性,直到不能再加。 　　关键词:粗糙集;属性约简;二进制可辨识矩阵 　　中图分类号:TP183文献标识码:A文章编号:1009-3044(2009)13-3524-03 　　 　　1 引言 　　属性约简是粗糙集理论的核心内容之一。决策表属性约简的过程,就是从决策表系统的条件属性中去掉不必要(对得到决策不重要)的条件属性,从而分析所得约简中的条件属性对于决策属性的决策规则。在不同的系统中,或者在不同的条件环境下,人们对属性约简的要求和期望是不一致的。如果在某个系统中,存在一些属性,它们的属性值难于得到(测量这些属性值所花的代价很高),我们希望将这些属性从决策表中去掉。通常,人们希望得到的约简结果所包含的条件数目尽可能少,或者得到的决策规则的规则数最少,等等。 　　 　　2 HORAFA算法 　　HORAFA算法[1]利用属性在可辨识矩阵中出现的频率作为启发,从而对信息系统进行约简。它完全摆脱了对原来信息系统(数据表)的依赖,仅仅利用可辨识矩阵中属性出现的频率来计算。因为不用计算粗糙集,而仅仅使用简单的计算,提高了效率。 　　2.1 算法原理 　　一个约简和可辨识矩阵的每一项的交都不能为空。如果它和可辨识矩阵的某项cij的交为空的话,对象i和对象j对于该约简就是不可区分的了。这和约简能够区分所有对象的最小属性集合相矛盾(这里假定数据集是一致的)。 　　利用这个事实算法可以这样设计。首先设候选约简集合R=??I,检查可辨识矩阵的每一项cij和候选约简集合R的交。如果交为空,随机从cij中选择一个属性插入到R中;否则就跳过这一项。重复这一过程,直到可辨识矩阵的每一项都检查完。这时候,我们在R中得到的就是一个“约简”。 　　但是,如果在可辨识矩阵的某项和当前候选集的交为空,并且该项由多于一个的属性组成时,如何知道优先选择哪个属性呢?当生成可辨识矩阵时,每个属性出现的频率同时被记录,供以后使用。这些频率用来评估属性的重要性,并用于属性优先级的选择。这一点是基于一个属性出现的越频繁,它的潜在区分能力就越大来考虑的。在计算属性出现的频率时,并不是简单的计数,而是要加权。加权大小的根据是属性所出现在可辨识矩阵中的长度。 　　每当计算出一个新的可辨识矩阵项c,相应的属性频率函数f(a)就更新为: 　　f(a)=f(a)+|A|/|c|对于每个a∈c 　　其中|A|是信息系统总的条件属性个数。例如,设f(a1)=3,f(a3)=4,系统总共由10个属性,新的可辨识函数项是{a1,a3}。则处理这项后,属性的频率被更新为:f(a1)=3+10/2=8;f(a3)=4+10/2=9。 　　2.2 算法描述 　　输入:信息系统S(U,A∪{d}),其中A=∪ai,i=1,n; 　　输出:约简Red; 　　step1:Red=??I,count(ai)=0,对于i=1,n 　　step2:计算可辨识矩阵M并同时计算属性的加权频率count(ai) 　　step3:合并相同的项并且按照每项的长度和频率对可辨识矩阵排序; 　　step4:For M中的每项m do 　　step5:if (m∩Red==??I) 　　step6:选择m中的具有最多的count(a)的属性a 　　step7:Red=Red∪{a} 　　step8:End if 　　step9:End For 　　step10:Return Red 　　在step2中,每计算M的一个新项c,count(ai)就更新为count(ai):=count(ai)+n/|c|,其中ai∈|c|。step4~9遍历M并生成约简。 　　2.3 实例分析 　　如表1所示的一组申请信用卡的数据,其中条件属性C={账户,余额,职业,月消费},决策属性D={申请决策};表1经泛化处理后得到表2。 　　其中a,b,c,d为条件属性,C={a,b,c,d},D为决策属性。根据HORAFA算法计算过程为:根据可辨识矩阵定义得到可辨识矩阵如表3。化简后得{bd, abd, ab, abd, ad,b,abd,abd,bd,bcd,abc,abcd,abc,abcd,abc,abd}。下面以属性a为例,根据HORAFA算法,计算count(ai):设f(a0)=0。系统一共有4个属性,可辨识矩阵中出现的第一个含有条件属性a的可辨识函数项为{abd},则根据定义f(a1)=3/4,f(a2)=10/3,f(a3)=14/3,f(a4)=20/3,f(a5)=2