一种基于粗集理论的增量式属性约简算法

• 作者: 刘文奇 高晓红
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 粗集 属性约简 增量式学习 信息系统
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 软件技术与研究
• 页码范围: 129-130,155
• 页数: 3页
• 分类号: TP3
• 字数: 2862字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.01.048

摘要

增量式学习中,当信息系统的对象和决策属性不变而不断增加条件属性时,为了获得该系统的约简属性,一般方法是对决策表中的所有数据重新计算,但这种方法显然效率很低且不必要.在粗集理论的基础上,给出相对区分矩阵和绝对区分矩阵的定义,提出一种新的增量式属性约简算法.通过实例得知:由该算法得到的属性约简与传统算法得到的属性约简结果相同,但该算法不仅降低了时间复杂度而且其分类质量一般要优于原来的分类质量,所以该属性约简具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘文奇	昆明理工大学理学院	95	683	13.0	22.0
2	高晓红	昆明理工大学理学院	2	13	2.0	2.0