一种基于属性重要性的属性约简启发式算法  

Heuristic Algorithm for Reduction Based on Attribute Significance

作　　者：叶明全[1] 胡学钢[2] 

机构地区：[1]皖南医学院计算机教研室,安徽芜湖241002 [2]合肥工业大学计算机与信息学院,合肥230009

出　　处：《河南师范大学学报（自然科学版）》2008年第5期163-165,共3页Journal of Henan Normal University(Natural Science Edition)

基　　金：安徽省高校省级自然科学研究项目(KJ2008B039)

摘　　要：属性约简是粗糙集理论研究中的关键问题之一.文中定义了一种新的属性重要性度量准则,克服了多值偏向性问题,并给出一种新的属性约简算法.该算法以核属性集为初始约简集合,以新的属性重要性度量准则为启发信息,通过逐步加入相对于决策而言重要的条件属性来求取最小约简.实例分析表明该算法是有效的.Attribute reduction is one of the key problems in the research on rough set theory. In order to avoid variety bias. a new messure of attribute significance is defined. And based on this method,a new algorithm of attribute reduction is proposed. With the core attributes as the initial reduction,this algorithm uses the attribute significance as heuristic information,and finds the minimal reduction. The resuhs from an example show that this algorithm is effective.

关 键 词：粗糙集 属性约简 属性重要性 多值偏向 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]