粗粒度多尺度属性约简启发式算法  

A New Algorithm of Elicitation for Attribute Reduction Based on Rough Granulation and Multi-Scale Variable

作　　者：屈志毅[1] 吴换霞[1] 刘瑜[1] 

机构地区：[1]兰州大学信息科学与工程学院,兰州730000

出　　处：《昆明理工大学学报（理工版）》2007年第4期20-23,38,共5页Journal of Kunming University of Science and Technology(Natural Science Edition)

基　　金：甘肃省自然科学基金资助(项目编号:YS021-A22-009)

摘　　要：粗糙集理论(RS)从它出现到现在一直是数据推理方面的一种强有力的工具,而作为数据推理的一个非常重要组成部分——知识的约简也一直是粗糙集理论的研究重点.本文基于信息论中信息熵、相对熵和条件熵的概念和性质,在粗糙集系统中增加了一个粗粒度逼近量,并根据粗粒度逼近量提出了一种多尺度逼近的属性约简或者叫规则提取的新算法.Rough Set Theory （RS） is a kind of strong tool in the application of data reasoning, and attribute reduction as an important aspect in data reasoning is always a research focus of rough set theory. Based on the characteristics of entropy, relevant entropy and condition entropy, a rough granulation approaching variable is added in the rough set theory. And based on this rough granulation approaching variable, a new multi - scale approaching algorithm is presented, which can also be entitled attribute reduction algorithm.

关 键 词：粗糙集合 熵 条件熵 相对熵 粗粒度 

分 类 号：TP14[自动化与计算机技术—控制理论与控制工程] TP18[自动化与计算机技术—控制科学与工程]