基于信息熵的粗糙集属性约简及其应用

粗集约简对噪声非常敏感,因此寻求噪声干扰下,属性间的准确关系和不确定性关系的表达显得十分重要。将粗糙集理论与信息论理论结合起来,发挥各自优势,取长补短,提出了一种改进的属性约简算法,且在此基础上进行了值约简并应用于超大型船舶的旋回性分析。给出了各因素之间的依赖关系,增比特征,及规则分析。取得了很好效果,对船舶操纵和技术研究有良好的实用价值。

一种启发式属性约简算法

本文在研究前人算法的基础上,采用分而治之的思想。考虑信息分布区域的不同对知识划分的影响。提出了两种改进的属性重要度定义;针对文献中加权平均属性重要度中,加权参数人为确定的局限性,对权数进行了改进。根据粗集的拓扑特征,构造了相应的启发式信息,最后,通过实例证明了算法的有效性。