基于相对知识粒度的决策表约简

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (6): 8-12.

基于相对知识粒度的决策表约简

陈玉明,吴克寿,谢荣生

厦门理工学院计算机科学与技术系, 福建厦门 361024

收稿日期:2012-04-02 出版日期:2012-12-20 发布日期:2012-04-02
作者简介:陈玉明(1977- ),男,江西吉安人,讲师，博士,主要研究方向为粗糙集与数据挖掘.E-mail: cym0620@163.com
基金资助:
国家自然科学基金资助项目(61103246, 60903203, 61075056);厦门理工学院引进人才项目(YKJ10036R)

Reduction for decision table based on relative knowledge granularity

CHEN Yu-ming, WU Ke-shou, XIE Rong-sheng

Department of Computer Science and Technology, Xiamen University of Technology, Xiamen 361024, China

Received:2012-04-02 Online:2012-12-20 Published:2012-04-02

摘要/Abstract

摘要： 知识粒度主要应用于信息系统的属性约简。为了把知识粒度拓展到决策表约简领域,在研究知识粒度的基础上,定义了相对知识粒度的概念,证明了对一致决策表约简而言,相对知识粒度表示与Pawlak代数表示的等价性。进一步定义了基于相对知识粒度的属性重要度,提出了两个基于相对知识粒度的启发式决策表约简算法。通过理论分析与实例表明约简算法是有效可行的。

关键词: 粗糙集, 知识粒度, 信息系统, 约简, 决策表

Abstract: The knowledge granularity was mainly used for attribute reduction in information systems. In order to expand the knowledge granularity to the field of decision table, the relative knowledge granularity was defined based on knowledge granularity. The equivalence between the Pawlak algebraic representation and relative granularity representation was proved for a consistent decision table. Based on the definition of relative knowledge granularity, the attribute significance was defined, and two heuristic reduction algorithms for decision table were proposed. Theoretical analysis and the actual example study showed that the reduction algorithms were efficient and feasible.

Key words: rough sets, knowledge granularity, information system, reduction, decision table

中图分类号:

TP181

陈玉明,吴克寿,谢荣生. 基于相对知识粒度的决策表约简[J]. 山东大学学报(工学版), 2012, 42(6): 8-12.

CHEN Yu-ming, WU Ke-shou, XIE Rong-sheng. Reduction for decision table based on relative knowledge granularity[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(6): 8-12.

参考文献

相关文章 15

[1]	褚晓东,唐茂森,高旭,刘伟生,贾善杰,李笋. 基于集中式信息系统的主动配电网鲁棒优化调度[J]. 山东大学学报(工学版), 2017, 47(6): 20-25.
[2]	江峰,杜军威,刘国柱,眭跃飞. 基于加权的K-modes聚类初始中心选择算法[J]. 山东大学学报(工学版), 2016, 46(2): 29-34.
[3]	景运革,李天瑞. 基于知识粒度的增量约简算法[J]. 山东大学学报(工学版), 2016, 46(1): 1-9.
[4]	辛丽玲, 何威, 于剑, 贾彩燕. 一种基于密度差异的离群点检测算法[J]. 山东大学学报(工学版), 2015, 45(3): 7-14.
[5]	高峰1,迟春梅2. 决策表中属性的重排[J]. 山东大学学报(工学版), 2013, 43(5): 6-12.
[6]	付仲良,周凡,逯跃锋. 基于GIS技术的电网应急态势标绘[J]. 山东大学学报(工学版), 2013, 43(4): 1-6.
[7]	张国栋1,2,张化祥1,2*. 基于非线性流形学习和k-NN的文本分类算法[J]. 山东大学学报(工学版), 2013, 43(1): 28-33.
[8]	樊伟. 一种多粒度粗糙区间模糊集方法[J]. 山东大学学报(工学版), 2013, 43(1): 63-68.
[9]	杨习贝1,2,黄佳玲1,周君仪3,杨静宇2. 不完备系统中基于特征相容块的粗糙集[J]. 山东大学学报(工学版), 2012, 42(5): 1-6.
[10]	施珺,朱敏. 一种基于灰色系统和支持向量机的预测优化模型[J]. 山东大学学报(工学版), 2012, 42(5): 7-11.
[11]	李慧1,2,胡云1,3,李存华1. 基于粗糙集理论的瓦斯灾害信息特征提取技术[J]. 山东大学学报(工学版), 2012, 42(5): 91-95.
[12]	吴克寿,陈玉明,曾志强. 基于邻域关系的决策表约简[J]. 山东大学学报(工学版), 2012, 42(2): 7-10.
[13]	李国和1,2,岳翔1,2,李雪3,吴卫江1,2,李洪奇1. 一种面向连续型属性的特征选取方法[J]. 山东大学学报(工学版), 2011, 41(6): 1-6.
[14]	翟俊海,高原原,王熙照,陈俊芬. 基于划分子集的属性约简算法[J]. 山东大学学报(工学版), 2011, 41(4): 24-28.
[15]	焦吉成,高学东,王元璞,赵传领 . 关系积理论及属性约简算法[J]. 山东大学学报(工学版), 2008, 38(2): 112-116 .

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed