类别近似质量约束下的属性约简方法研究

利用近似质量作为度量标准,借助启发式算法求解约简,其本质是根据近似质量的变化情况来找出冗余属性,但这一方法其并未考虑每一个决策类别所对应的下近似集合在约简前后的变化程度.鉴于此,提出了一种基于类别近似质量的属性约简策略,其目标是使得每一个类别的近似质量都满足约简的约束条件.借助邻域粗糙集模型,在UCI数据集上将传统约简策略与类别近似质量约简策略进行了对比分析,实验结果不仅验证了类别近似质量约简策略的有效性,而且表明这种策略依然能够满足传统约简的约束条件.

一种局部视角的类别近似质量属性约简加速方法

在利用贪心搜索算法求解类别近似质量约简的过程中,类别近似质量的计算是评估属性重要度的重要步骤,需要考虑论域中所有样本的邻域与当前决策类之间的包含关系。为降低求解类别近似质量约简的时间消耗,从局部的视角出发,提出一种用于求解类别近似约简的加速方法。该方法在计算类别近似质量时仅考虑当前决策类中的样本而不是论域中所有的样本,通过减少计算规模以加快约简求解的过程。在8个UCI数据集上的实验结果表明,该方法在不改变约简结果的情况下,能显著降低求解约简的时间消耗。