基于误分类代价和自信息测度的变精度模糊粗糙集属性约简.pdfVIP

摘 要 粗糙集理论是20世纪80年代由Pawlak 提出的一种可以定量分析处理不精确、不 一致、不完整信息与知识的数学工具。变精度模糊粗糙集是Pawlak 经典粗糙集的一种 扩展，可以处理不确定信息和提高数据对噪声的抗干扰性，从而降低错误决策的可能性。 属性约简是粗糙集理论中核心问题之一，是一种为了简化原始信息系统但不影响信息系 统的分类能力，从而删除冗余属性的过程。属性约简的核心步骤是构造用来度量属性子 集分类能力的属性评价函数，但由于实际应用中的需求不同并且存在各种条件的限制， 现有的属性约简方法就