基于相似矩阵折半属性约简算法.docVIP

基于相似矩阵折半属性约简算法 　　摘 要 针对大多数属性约简算法时间复杂度比较高的问题，利用粗糙集理论提出了一种新的解决办法，该方法基于相似矩阵概念，利用属性在相似矩阵中出现的频率给出了属性重要性的计算公式，以此作为启发式知识来约间决策表中的冗余属性，并将折半查询的思想运用到算法中以加快约简的速度。实验表明该算法是简单有效的。 　　关键词 粗糙集；相似矩阵；折半属性约简 　　中图分类号：TP18 文献标识码：A 文章编号：1671-7597（2013）16-0051-01 　　粗糙集理论是一种能有效地分析不精确、不一致、不完整等各种不完备信息、揭示潜在规律的处理不确定性和模糊性数据的工具。属性约简是粗糙集理论研究的核心内容之一，到目前为止，已经提出了多种改进型的属性约简算法。 　　本文提出了一种新的属性约简算法，在文中给出了相似矩阵的定义，从另一个角度来计算属性的重要性，并且将折半查找的思想运用到算法中，加快了筛选候选属性的速度。 　　1 基于相似矩阵的折半属性约简算法 　　1.1 算法的基本思想 　　可辨识矩阵主要是从对象与对象之间的差别来研究属性约简。 　　1.1.1 相似矩阵的定义 　　cij= {a∈C | xi（a）=xj（a）}，xi（d）≠xj（d）； 　　cij=|，其他 　　Cij代表两个对象之间的相似点，也就是不能辨别对象的属性集。根据相似矩阵的定义，得到下面的结论：属性在相似矩阵中出现的次数越多，在相似矩阵中的项长度越短，则代表该属性在反映对象相似性上起的作用越大，因此在区别对象时，重要性就越小。根据上述观点，本文基于相似矩阵的属性频率给出了属性重要性的计算公式： 　　F（a）= - 　　其中，当a时，=0；否则=1。card（）表示包含属性的个数。 　　推论1：当且仅当card（）=card（c）-1时，C-属于核属性。 　　1.1.2 折半约简概述 　　现在很多约简算法都是从R=核（core（c））开始，判断R是否为一个约简，是则终止，否则根据属性的重要性定义，将重要性最大的一个加入到R中，再次测试是否为约简，若是则终止，否则，继续上述过程。 　　1.2 算法过程描述 　　本文提出具体过程描述： 　　输入：一致决策表S=（U，C∪D，V，F），其中C = {a1，a2，…，an} 　　输出：决策表的约简集合R 　　Step 1：决策表S转换为相应的相似矩阵M，求出核属性core（C），并计算剩余属性的属性重要度，然后将剩余属性根据重要度由大到小进行排序，放进数组Z. 　　Step 2：初试化R=core（c），如果=，则执行步骤step4，否则执行步骤step3。 　　Step 3：初试化min=1；max=card（C）-card（core（C）） 　　while（true）{ 　　Tempt=R； //保存改变前的R 　　Mid=min+max/2； 　　将数组z中第min个到第mid个加入到R中， 计算； 　　If（）{ 　　If（max-mid=1）{ 　　① 将数组z中第max个加入R中； 　　② 退出循环； //退出位置一 　　} 　　else { 　　min=mid+1； 　　} } 　　Else if（=）{ 　　If（max-mid=1）{ 　　③ 退出循环；//退出位置二 　　} 　　Else{ 　　④ max=mid； 　　R=tempt； //将R还原为本次改变前的状态 　　}}} 　　Step4：程序结束，R就是要求的约简。 　　1.3 算法时间复杂度分析 　　该算法step1所需的时间复杂度为O（|C|*|U?|*|U|），进入是step2后，关键的步骤是求取属性的近似精度，求取近似精度的时间复杂度为O（|u|*|u|*|u|）。由于采用了折半查找的思想，使得在最坏的情况下，不需要遍历整个条件属性集，只需遍历log|C|次，故时间复杂度为O（log|C|*|u|*|u|*|u|）。 　　2 算法实例分析 　　给定一致信息表S=（U，A，V，F），其中U={x1，x2，x3，x4，x5，x6，x7，x8，x9，x10}，A = {a，b，c，d，e，f，g，h}，其中条件属性C={a，b，c，d，e，f，g}，决策属性D={h}，由表1给出。 　　首先执行step1与step2，得到相似矩阵，并求出核属性core（C）={A}，及C/core（C）属性的重要性，得到：f（b）、f（c）、f（d）、f（e）、f（f）、f（g），将候选属性按重要性的定义由到大到小排序放进数组Z.={a，b，e，f，d，c，g}，直至max-mid=1，则将第max个加入到R中，退出循环，R={a