基于邻域依赖度融合信息熵属性约简

邻域粗糙集是经典粗糙集理论的一个重要扩展,它已成功应用于诸多领域,其中属性约简是其最主要的应用之一。邻域依赖度与信息熵是邻域粗糙集中的重要内容,邻域依赖度属则是通过识别出那些对决策属性具有显著依赖关系的属性,邻域信息熵可以用来衡量条件属性对决策属性的重要性。通过它们构建约简算法可以消除数据集中的冗余信息,提高数据处理和分析的效率。基于此,本文以邻域依赖度融合信息熵为基础,提出了基于邻域依赖度融合信息熵属性约简算法。使用公开数据集,实验结果表明该算法可以选择较少的属性来保持或提高聚类算法的性能,这充分证明了该算法具有较强的有效性。