基于邻域近似条件熵的启发式属性约简

• 作者: 张宁 范年柏
• 来源期刊: 计算机应用研究
• 关键词: 邻域粗糙集 条件熵 属性约简 属性重要性
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1395-1398
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.05.024

摘要

目前粗糙集的研究局限于有限集,且现有的邻域粗糙集属性约简算法中属性重要性度量方式单一.针对邻域粗糙集存在的问题,提出了基于无限集的邻域近似条件熵模型.该模型以邻域近似条件熵下的属性重要度为启发条件,构造了一种基于邻域近似条件熵的前向贪心搜索属性约简算法.利用熵的单调性,证明了算法的正确性,并分析了算法的时间复杂度.通过实例分析和多个UCI数据集上的实验表明,所提出的算法是可行的,能有效减少属性数量,与现有的算法相比,不仅能够获得较小的属性约简结果,而且具有较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范年柏	湖南大学信息科学与工程学院	17	104	5.0	10.0
2	张宁	湖南大学信息科学与工程学院	25	91	7.0	8.0