不完备邻域粗糙集的不确定性度量和属性约简

来源：计算机应用杂志2018年第1期北京时间：

作者：姚晟, 汪杰, 徐风, 陈菊

单位：1. 安徽大学 计算智能与信号处理教育部重点实验室, 合肥 230601;2. 安徽大学 计算机科学与技术学院, 合肥 230601

摘要：针对现有的属性约简算法不适合处理数值型属性和符号型属性共同存在的不完备数据，提出了一种拓展不完备邻域粗糙集模型。首先，通过考虑属性值的概率分布来定义缺失属性值之间的距离，可以度量具有混合属性的不完备数据；其次，定义了邻域混合熵来评价属性约简的质量，分析证明了相关的性质定理，并构造了一种基于邻域混合熵的不完备邻域粗糙集属性约简算法；最后从UCI数据集中选取了7组数据进行实验，并分别与基于依赖度的属性约简（ARD）、基于邻域条件熵的属性约简（ARCE）、基于邻域组合测度的属性约简（ARNCM）算法进行了比较。理论分析和实验结果表明，所提算法约简属性比ARD、ARCE、ARNCM分别减少了约1，7，0个，所提算法的分类精度比ARD、ARCE、ARNCM分别提高了约2.5，2.1，0.8个百分点。所提算法不仅能够获得较少的约简属性，同时具有较高的分类精度。

关键词：粗糙集,属性约简,不完备决策信息系统,混合属性,邻域混合熵

基金资助：国家自然科学基金资助项目（61602004，61300057）；安徽省自然科学基金资助项目（1508085MF127）；安徽省高等学校自然科学研究重点项目（KJ2016A041）；安徽大学信息保障技术协同创新中心公开招标课题（ADXXBZ2014-5，ADXXBZ2014-6）；安徽大学博士科研启动基金资助项目（J10113190072）。