科研之友
微信
新浪微博
Facebook
分享链接
摘要
属性约简又被称为特征选择,可以对给定的知识系统进行有效降维,是粗糙集理论重要的研究方向之一。目前,关于序决策系统的传统启发式属性约简算法,因其在每次迭代过程中选择一个属性重要度最大的属性添加进入特征属性子集,所以当面对高维数据时,算法迭代过程耗时较多造成约简效率较低。针对上述问题,文章通过分析序决策系统边界域的单调性,详细刻画了特征粒的概念,构造了基于特征粒的属性添加策略,进而设计了序决策系统下基于特征粒的快速属性约简算法。由于特征粒中包含多个属性,通过在每次迭代过程中添加特征粒,可以使特征候选子集快速达到与条件属性全集相同的分类能力,从而减少了迭代的次数,提高了启发式属性约简算法的效率。最后,采用6组标准UCI数据集进行实验验证。实验结果表明文章所提算法提高了属性约简的效率,具有较高的分类精度。
- 单位
