基于量子云模型演化的最小属性约简增强算法

摘要：

为提高决策表中最小属性约简的效率、稳定性和鲁棒性,基于云模型在非规范知识定性、定量表示及其相互转换过程中的优良特征对量子进化算法进行算子设计,提出了一种基于量子云模型演化的最小属性约简增强算法(QCMEARE).该算法采用量子基因云对进化种群进行编码,基于约简属性熵权逆向云进行量子旋转门自适应调整,使其在定性知识指导下能够自适应控制属性约简空间搜索范围,并采用量子云变异和云纠缠操作算子较好地避免了在属性演化约简中易陷入局部最优和早熟收敛等问题,使算法快速搜索到全局最优属性约简集.仿真实验表明,提出的最小属性约简增强算法具有收敛速度快、约简精度高和稳定性强等优点.

关键词：属性约简、逆向云模型、量子云旋转门、量子云变异与云纠缠

所属期刊栏目：43

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61139002,61171132;计算机软件新技术国家重点实验室南京大学开放课题资助项目KFKT2012B28;江苏省高校自然科学基金资助项目12KJB520013;江苏省普通高校研究生科研创新计划资助项目CXZZ11_0219;南通市科技计划应用研究资助项目BK2011062

在线出版日期：2013-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：290-295