基于模糊邻域粗糙集的启发式属性约简算法

• 作者: 任晓霞 薛凡
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 属性约简 模糊邻域粗糙集 依赖度 知识粒度 模糊邻域粒度
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 理论与研发
• 页码范围: 47-53,212
• 页数: 8页
• 分类号: TP18
• 字数: 7520字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1709-0442

摘要

属性约简是机器学习等领域中常用的数据预处理方法.在基于粗糙集理论的属性约简算法中,大多是根据单一的方法来度量属性重要度.为了从多角度对属性达到更为优越的评估效果,首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量,然后根据粒计算理论中知识粒度的概念,在模糊邻域粗糙集模型下提出了模糊邻域粒度度量.由于属性依赖度和知识粒度代表了不同视角的属性评估方法,因此将这两种方法结合起来用于信息系统的属性重要度评估,最后给出一种启发式属性约简算法.实验结果表明,所提出的算法具有较好的属性约简性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任晓霞	张家口学院理学院	19	29	3.0	4.0
2	薛凡	武汉大学计算机学院软件工程国家重点实验室	15	28	3.0	5.0