基于模糊邻域粗糙集的启发式属性约简算法

来源：计算机工程与应用杂志2018年第9期北京时间：

作者：任晓霞1，薛 凡2，3

单位：1.张家口学院 理学院，河北 张家口 075000；2.武汉大学 计算机学院 软件工程国家重点实验室，武汉 430072；3.黄淮学院 创新创业学院，河南 驻马店 463000

摘要：属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中，大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果，首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量，然后根据粒计算理论中知识粒度的概念，在模糊邻域粗糙集模型下提出了模糊邻域粒度度量。由于属性依赖度和知识粒度代表了不同视角的属性评估方法，因此将这两种方法结合起来用于信息系统的属性重要度评估，最后给出一种启发式属性约简算法。实验结果表明，所提出的算法具有较好的属性约简性能。

关键词：属性约简,模糊邻域粗糙集,依赖度,知识粒度,模糊邻域粒度