啟發(fā)式屬性約簡方法的研究與應用.pdf

1、粗糙集理論是處理不一致、不完備和不精確信息的一種數(shù)學工具，具有不需先驗信息的特點和優(yōu)勢，能夠直接對數(shù)據(jù)集進行推理和分析，從而發(fā)現(xiàn)其中潛在的知識信息和推論。決策表系統(tǒng)的屬性約簡是粗糙集理論中的一個核心研究內(nèi)容。由于最優(yōu)屬性約簡是NP難題，因此實際應用的大多數(shù)屬性約簡算法都只能根據(jù)啟發(fā)式信息來求取決策表系統(tǒng)的最優(yōu)或次優(yōu)約簡。二進制分辨矩陣是粗糙集理論中的一種重要的數(shù)據(jù)結(jié)構(gòu)，能夠較好地描述屬性對樣本的分類能力，因而在屬性約簡算法中得到了廣泛應

2、用。論文對基于二進制分辨矩陣的啟發(fā)式屬性約簡算法進行了深入研究:
　　 首先，論文對二進制分辨矩陣的特點及基于二進制分辨矩陣的屬性重要性度量方式進行了深入討論。
　　 然后，基于二進制分辨矩陣，提出了“加權選擇概率”概念。這一概念充分利用了矩陣“行”與“列”方向的信息來度量屬性重要性，并將這兩個方向的特征按加權求和的方式集成為一個概念，從而避免了在屬性選擇過程中需要對“行”與“列”兩個方向的特征進行獨立排序，有效減小了運

3、算量。在此基礎上，提出一種改進的屬性約簡算法ABWSP。更進一步，提出了“實際選擇概率”概念，“實際選擇概率”綜合利用了二進制分辨矩陣的信息來度量屬性重要性，體現(xiàn)了“先列后行”的策略，克服了“加權選擇概率”對權重設置的依賴。在此基礎上，提出一種新的屬性約簡算法ABRSP。仿真實驗結(jié)果表明，兩個改進算法都有效縮短了運行時間，提升了約簡系統(tǒng)的性能。
　　 最后，論文將改進后的屬性約簡算法應用到學生期末成績的分析過程中，通過對成績表進