一种改进基于依赖度属性约简算法.docVIP

一种改进基于依赖度属性约简算法 　　摘要: 研究了基于依赖度的属性约简算法,并以实例说明该算法不适合于不相容的决策表,在分析算法产生缺陷原因的同时通过改变算法求核的终止条件,使得算法能够同时适用于相容和不相容的决策表.在求约简过程当中,首先对除核之外剩余属性重要度进行计算,然后以重要度大小依次添加入核求约简.最后通过实例来验证改进后算法的有效性. 　　? 　　关键词: 粗糙集；属性约简；依赖度? 　　中图分类号:TP 311.13 　　 文献标志码:A文章编号:1672-8513(2011)06-0504-04 　　?? 　　An Improved Algorithm Based on the Dependability of Attribute Reduction 　　 　　YANG Pei, YUAN Sha, ZHOU Wei?hong 　　? 　　(School of Mathematics and Computer Science, Yunnan University of Nationalities, Kunming 650031, China) 　　 　　Abstract: The algorithm based on the dependability of attribute reduction is discussed in this paper and proved to be unsuitable for the incompatible decision table. After analyzing the defects of this algorithm, this paper proposes an improved one which is suitable for the compatible and incompatible decision table through changing the termination condition of the core. In the reduction process, it calculates the importance of the remaining attribute excepting the core, and then to add to the size of an important degree in the core for reduction. At last, an example is used to prove the validity of this improved algorithm. 　　? 　　Key words: rough set; attribute reduction; dependability 　　?? 　　 粗糙集理论是由波兰数学家Pawlak于1982年首次提出的一种数据分析理论[1-2],目前已经被广泛应用于决策分析[3]、数据挖掘[4]等领域.属性约简是粗糙集里一个重要的研究课题,当前已经有很多专家和学者做了这方面的工作[5-7].已有研究证明了求解最小约简是典型的NP问题[8],所以在实际应用中,只需要找到相对优的约简就可以了.目前常用的约简算法有基于信息熵的约简[9-10]、基于分辨矩阵、可辨识矩阵的约简[11-12]、基于依赖度的约简[13]等.本文重点研究基于依赖度的属性约简算法,首先通过举例说明参考文献［13］中基于依赖度的算法不适用于不相容决策表,然后提出一种改进的约简算法,并用实例来证明此方法的有效性.? 　　1 基本概念? 　　本节描述在文章中用到??一些相关的概念.? 　　?定义1 形式上,四元组I=(U,R,V,f)是一个知识表达系统,其中U是对象的非空. ? 　　U×R→V是一个信息函数,它为每个对象的每个属性赋予一个信息值,即有限集合,称为论域R是属性的非空有限集合.其中,V=∪r∈RV?r,V?r是属性r的值域；f:?r∈R,x∈U,f(x,r)∈V?r,一般简记为I=(U,R).如果R=C∪D,其中C为条件属性集合,D为决策属性集合且C∩D=?,则这样的知识表达系统称为决策表. ? 　　定义2 设I=U,R,P?R,则∩P也是一个等价关系,称为P上的不可区分关系,记为?ind?P,?ind?R=x,y ∈U?2|?a∈P, f(x,a)=f(y,a).由不可区分关系?ind?P产生的所有等价类用U/?ind?P表示,简记为U/P.? 　　定义3 设I=U,R,P?R,X?U,P(X)=x∈Ux?P?X 和P(X)=x∈U ?［x］?P∩X≠?}称为X的P下近似和上近似.显然PX是根据知识P,U中一定能归入X