基于投票式属性重要度的快速属性约简算法

摘要：

作为经典Paw lak粗糙集的扩展,邻域粗糙集能有效处理数值型的数据.但是,因为引入了邻域粒化的概念,所以邻域实数空间下的计算量要比经典离散空间下的计算量大得多.对于邻域粗糙集算法而言,能够有效且快速地找到数据集的属性约简是十分有意义的.为此,针对现有算法中属性重要度定义的不足,首先提出了一种改进的投票式属性重要度,然后进一步提出了一种基于投票式属性重要度的快速属性约简算法.实验证明,与现有算法相比,在保证分类精度的前提下,该算法能更快速地得到属性约简.

关键词：域粗糙集、属性约简、投票、属性重要度

所属期刊栏目：45

分类号：TP182(自动化基础理论)

资助基金：国家自然科学基金项目61503208

在线出版日期：2018-08-23（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：197-201,229