邻域粗糙集的加权依赖度及其启发式约简算法

徐波1,2 张贤勇1,2 冯山1

1.四川师范大学数学与软件科学学院；2.四川师范大学智能信息与量子信息研究所 ​

邻域粗糙集是数值型属性数据处理的有效工具.基于邻域粗糙集,传统依赖度及其约简未考虑邻域覆盖的绝对结构,由此文中建立加权依赖度及其启发式约简算法.首先,提出加权依赖度并得到其度量改进性与粒化单调性,定义相关的属性约简.然后,分析邻域半径的自适应取值,构造基于加权依赖度的启发式约简算法(NWDR).最后,在UCI数据集上进行对比实验,验证加权依赖度的单调性与NWDR的有效性.实验证明,加权依赖度改进传统依赖度的不确定性表示能力,NWDR具有较高的分类准确率与较强的应用适应性.

邻域粗糙集；加权依赖度；属性约简；启发式约简算法

人工智能研究

3078-9753

20185

工程技术