证据理论与熵值融合的知识约简新方法

• 作者: 吴恒 吴根秀 黄涛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粗糙集 知识约简 二分mass函数 熵 属性重要性
• 年，卷（期）: 2016,（19）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 167-170
• 页数: 4页
• 分类号: TP31
• 字数: 4511字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1601-0262

摘要

求解决策表的最小约简已被证明是NP-hard问题，在粗糙集和证据理论的基础上提出了一种知识约简的启发式算法。利用粗糙集等价划分的概念给出属性的信息熵，定义每个属性的熵值重要性并由此确定知识的核。引入二分mass函数对每个属性建立一个证据函数，证据融合得到每个属性的证据重要性。以核为起点，以证据重要性为启发，依次加入属性直至满足约简条件。实例表明，该方法能够快速找到核和相对约简，并且该约简运用到分类上正确率也是较高的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴根秀	江西师范大学数学与信息科学学院	56	251	7.0	12.0
2	黄涛	江西师范大学数学与信息科学学院	19	9	2.0	2.0
3	吴恒	江西师范大学数学与信息科学学院	4	10	2.0	3.0