基于异类粒球分离度的自适应属性约简

属性约简是处理大规模数据集的关键步骤,与传统的邻域粗糙集(NRS)相比,粒球邻域粗糙集(GBNRS)可以显著提高属性约简的性能.然而,目前GBNRS属性约简算法生成了太多不必要的粒球;从而极大降低了算法运行效率.文章首先定义了一种新的粒球质量指标来控制生成自适应数量的粒球;然后通过粒球对样本集进行划分,将不同类别的样本点放入不同类别的粒球;最后根据不同属性集合下粒球中正域样本的数量来进行前向属性约简.为了验证算法的有效性,在12个真实数据集上将提出的算法与其他NRS属性约简算法进行了对比实验.实验结果表明,所提出的算法有更高的精度和更快的运行效率.