基于Markov Blanket的模糊差别矩阵属性约简算法

模糊差别矩阵属性约简是一种广泛使用的模糊粗糙集属性约简方法。然而已有方法大多采用启发式贪婪策略,属性约简率低且约简质量差。本文结合Markov Blanket概念,提出基于模糊差别矩阵的属性约简算法。首先,为了避免约简选择过多属性的问题,提出了利用Markov Blanket性质的迭代后向删除属性约简算法,可以有效删除低频率的相对冗余属性。其次,提出了一种基于Markov Blanket的双向搜索启发式属性约简算法,通过迭代前向添加高频属性和后向删除低频率策略来提升属性约简计算效率。在UCI数据集上实验表明,相比于其他模糊差别矩阵算法,所提出的算法能得到更优的约简结果。