基于局部条件区分能力的高效属性约简算法

• 作者: 康猛 蒙祖强
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 属性约简 区分矩阵 区分能力 条件区分能力 大数定律 局部条件区分能力
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 数据科学与技术|Data science and technology
• 页码范围: 449-456
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021071170

摘要

基于区分矩阵的传统属性约简方法具有直观易理解的优点,但时间和空间复杂度都很高,当数据规模较大或条件属性较多时,会无法快速得到约简结果.为解决该问题,在区分关系的基础上构造了条件区分能力来进行属性选择,提出一种基于条件区分能力的属性约简算法.而为了进一步加快属性重要性的计算、提高约简效率,依据大数定律中频率的稳定性,通过采样的方式将条件区分能力扩展为局部条件区分能力,提出基于局部条件区分能力的属性约简算法.理论证明了条件区分能力在属性的选择上比正区域更严格,并将该算法与基于区分度的高效前向属性约简算法(FAR-DV)、基于k近邻属性重要度和相关系数的属性约简算法(K2NCRS)及基于正区域排序升序决策表的快速正区域约简算法(FPRA)进行了对比.实验结果显示,该算法在属性选择顺序、约简率和分类精度上与FAR-DV基本一致,在约简效率上比上述三种算法提高了10倍以上;且随着数据规模的增大或条件属性的增多,在约简效率上的提升越明显.可以看出,所提算法具有更低的时空复杂度,适用于海量数据属性约简.