改进的粗糙集属性重要度

• 作者: 孙立民 肖劲森
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粗糙集 属性重要度 故障诊断 属性约简 决策
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 174-176,210
• 页数: 4页
• 分类号: TP182|O189
• 字数: 3262字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1510-0111

摘要

粗糙集理论知识库的属性重要度,体现的是去掉某个或某些属性前后的知识库分类变化的程度.对现有粗糙集理论的属性重要度确立方法的不足,充分考虑条件属性对决策的直接和间接的影响,提出一种新的基于粗糙集属性依赖度的属性重要度确定方法.此外,针对原有属性重要度与改进重要度的差别,讨论改进的属性重要度的意义,并证明改进的属性重要度更加可信.最后,利用改进的方法对机械故障属性重要度进行仿真;对比原有属性重要度的数据,改进方法获得的数据不但更符合属性约简结果,并且具有更大区分度,十分有利于决策者快速做出判断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙立民	广东石油化工学院理学院	21	91	5.0	9.0
2	肖劲森	广东石油化工学院理学院	16	19	1.0	4.0