一种改进的基于相对正域的增量式属性约简算法

摘要：

当决策系统增加新数据时,原约简集可能不再有效,这就需要对原约简集进行动态更新,目前已有的增量算法只研究了属性或样本的动态增加.本文从邻域粗糙集理论出发,详细分析系统在增加属性和样本数据后的变化规律,得到一种改进的增量式属性约简算法.该算法利用相对正域的概念对原约简集进行动态更新,可以处理属性和样本都增加的决策系统,有效地避免了二次约简过程.从理论上分析该算法的时间复杂度,实例表明该算法和传统算法的结论是一致的,实验证明该算法提高了计算效率.

关键词：邻域系统、增量式学习、相对正域、属性约简

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目60975032;山西省回国留学人员科研资助项目2008-25;山西省青年科技研究基金资助项目2009021017-4;山西省回国留学人员科研资助项目2013-033

在线出版日期：2013-12-09（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：45-50