基于可分辨矩阵属性集依赖度计算方法.docx

基于可分辨矩阵属性集依赖度计算方法 摘要在决策表中，为了评价某条件属性的重要性， 不但要考虑这个属性(单一属性)相对于决策属性的重要性, 还要考虑该条件属性与其他条件属性构成的属性集的重要 性.在属性集依赖度比单一属性依赖度更加可信的事实基础 上，提出了 一个基于可分辨矩阵的属性集依赖度计算方法. 该方法能够较快地获得可分辨矩阵，并直接求出属性集的依 赖度，从而大大降低了算法的时间复杂度?实例验证了该方 法具有较好的有效性和较低的时间复杂度. 关键词粗糙集；决策表；可分辨矩阵；依赖度 中图分类号TP301文献标识码A文章编号1000-2537 (2013) 02-0024-04 粗糙集理论［1］于1982年由波兰学者Pawlak提出，现 已被广泛应用于机器学习、数据挖掘等领域［2-6］,其核心 研究内容就是依据决策表或者信息表的条件属性集、决策属 性集以及对象集，进行知识约简从而获得最具代表性的属性 约简集以及最简分类规则集［7-10］.知识约简包括属性约简 和分类规则约简，目前国内外学者主要在属性约简方面进行 研究［11］. 在属性约简中，衡量某个属性的重要程度一般是根据决 策属性对该属性的依赖程度来做出判断，依赖度为1,则完 全依赖；依赖度为0,则完全不依赖，其余则部分依赖［12］. 对于那些依赖度为0的属性，一般认为并不影响决策表分类 的结果，在属性约简时可以直接删除［13-14］.但是，这样不 但会在某种程度上造成知识损失，而且还割断了该属性与其 他属性的联系，从而造成更大程度的损失. 为此，本文在可分辨矩阵的基础上，研究属性集依赖度, 提出了一种属性集依赖度计算方法，并用实例验证了该方法 具有较好的有效性和较低的时间复杂度. 1基本理论 该方法由于要对多个属性以字串相加的形式构成单一 属性，如果有m个条件属性，n个对象，则要进行Zmk=lCkm 次字串相加操作?在形成单一属性后，再进行条件属性等价 类划分?该方法时间复杂度约为0 (n2Xni2),这是比较高的, 对求解属性约简集不利. 从表2可以看出，对于本文算法和文献［15］算法，在各 个实验数据集上，各属性依赖度的计算结果都近似一致，但 本文算法的耗时较低，尤其是数据集较大的时候，这个优势 更加明显. 4结束语 在信息表中，那些依赖度等于0的属性也可能对其他属 性产生影响.在这种情况下，属性集依赖度就更能反映现实 情况?为此，本文提出了一个新型基于辨识矩阵的属性集重 要度评价方法，实例验证了该方法的有效性和较低的时间复 杂度，从而使得本文方法在属性约简中有一定的实用价值. 参考文献： 朱颖东，钟勇?基于优化的文档频和粗糙集的特征选 择方法[J].湖南师范大学自然科学学报，2009, 32 (3)： 27-31. CHEN D G, HU Q H, YANG Y P. Parameterized attribute reduction with Gaussian kernel based fuzzy rough sets [J]. Int J Inform Sci , 2011, 181 (23 )： 5169-5179. 黄媛玉，毛弋.基于主成分分析法的遗传神经网络模 型对电力系统的短期负荷预测[J]?湖南师范大学自然科学 学报，2011, 34 (5)： 26-31. 胡强?优化的互信息特征选择方法[J].湖南师范大 学自然科学学报，2010, 33 (3)： 28-31. KIY0SHI H, MICHAUD K, MASAMOTO A. Application of data mining to quantitative strueture~activity relationship using rough set theory[J]?Int J Chem Intell Lab Sys, 2009, 99 (1)： 66-70? MICHAEL N, GUDRUN S, GERHARD S. Adapted variable precision rough set approach for EEG analysis[J]. Int J Artif Intell Med, 2009, 47 (3)： 239-261. 马建敏，张文修，朱朝晖.基于信息量的序信息系 统的属性约简[J].系统工程理论与实践，2010, 30 (9)： 1679-1683. FAN T F, LIAU C J, LIU D R. A relational perspective of attribute reduction in rough set-based data analysis [J]. Eur J Opera Res, 2011,213( 1 )： 270-278.