面向一致性样本的属性约简

• 作者: 杨习贝 王平心 陈向坚 高媛
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 属性约简 分类精度 聚类 一致性样本 集成 启发式算法 邻域粗糙集 多准则
• 年，卷（期）: 2019,（6）
• 页码范围: 1170-1178
• 页数: 9页
• 分类号: TP181
• 字数: 5403字
• 语种: 中文
• DOI: 10.11992/tis.201905051

摘要

作为粗糙集理论的一个核心内容,属性约简致力于根据给定的约束条件删除数据中的冗余属性.基于贪心策略的启发式算法是求解约简的一种有效手段,这一手段通常使用数据中的全部样本来度量属性的重要度从而进一步得到约简子集.但实际上,不同样本对于属性重要度计算的贡献是不同的,有些样本对重要度贡献不高甚至几乎没有贡献,且当数据中的样本数过大时,利用全部样本进行约简求解会使得时间消耗过大而难以接受.为了解决这一问题,提出了一种基于一致性样本的属性约简策略.具体算法大致由3个步骤组成,首先,将满足一致性原则的样本挑选出来;其次,将这些选中的样本组成新的决策系统;最后,利用启发式框架在新的决策系统中求解约简.实验结果表明:与基于聚类采样的属性约简算法相比,所提方法能够提供更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨习贝	江苏科技大学计算机学院	86	555	13.0	20.0
2	王平心	江苏科技大学理学院	40	47	4.0	5.0
3	陈向坚	江苏科技大学计算机学院	16	32	3.0	4.0
4	高媛	江苏科技大学计算机学院	2	2	1.0	1.0