粗集中的属性选算法及优化方法.pdf

摘要 摘 要 选择、模式识别、机器学习、决策分析等领域．基于粗糙集技术的数据挖掘是通过属性 约简来实现的，属性约简算法可粗略地分为三类：前向属性约简算法、后向属性约简算 法和其他属性约简算法(如基于区分矩阵的属性约简算法)．前向属性约简方法得到的 约简大多都存在冗余属性，本文对HORAFA属性约简算法进行改进，提出了一种新的基于 差别矩阵的前向选择算法，首先删除区分矩阵中属性重要性最小的属性，然后选择只包 含一个属性的矩阵元素，并将其加入到属性约简集合中，确保最终得到一个不存在冗余 属性的约简．对于后向属性约简方法，通过分析删除待删属性后得到的等价类的性质，提 出了一种以划分基数为停止基准的后向属性约简算法，运用该算法可以得到更少的决策 规则．通过分析集合覆盖的性质，对集合覆盖的概念进行了扩展，提出了新的集合覆盖概 念，并将其应用到基于区分矩阵的属性约简算法．针对前向属性约简算法在添加新属性 后，前续结果需重复计算的问题，提出了一种递归计算方法．在区分矩阵的建立过程中， 利用决策属性首先对实例集合进行划分，然后再建立区分矩阵，提高了建立区分矩阵的 效率． 关键词属性约简核属性选择前向选择后向选择 Abstract Abstract isanewdata sets Z．Pawlak method，which theory mining Rough proposedoriginallyby hasbeen in fields，such硒feature successfullyappliedmany selection,patternrecognition, machine basedon sets is learning，decisionanalysis，etc．Datamining roughtechnique reduction canbe claSsifiedinto algorithm，whichroughly aecomplishedbyuSiI冯attributes three reduction reduction other categories：forwardalgorithms，backwardalgorithms，and reduction theattributereduction baSedon algorithms(forexample algorithmsdiscernibility obtainedforwardreduction retainsome reducts matrix)．The by algorithmsusually attributesfor has theHORAFA to claSsification；this dispensable paperimproved algorithm withthelowest isdeleted removethe