属性集变化条件下集值决策信息系统的增量属性约简方法

作者：刘超; 王磊; 杨文; 钟强强; 黎敏

来源：计算机应用, 2021, 1-8.

• 粗糙集理论
• 集值决策信息系统
• 知识粒度
• 属性约简
• 增量学习

为了解决集值决策信息系统中的属性数量不断发生动态变化时，如何高效更新属性约简的问题，提出了一种以知识粒度为启发信息的增量式属性约简算法。首先，介绍集值决策信息系统的相关概念，接着将知识粒度的定义及其矩阵表示方法推广到此系统中；然后，分析增量式约简的更新机制，基于知识粒度设计了增量式属性约简算法；最后，选取了3组不同的数据集进行实验。当3组数据集的属性数由20%增加到100%时，传统的非增量式算法的约简耗时分别为54.84s、108.01s、565.93s，增量式算法的约简耗时分别为7.57s、4.85s、50.39s。实验结果表明，在不影响属性约简精度的前提下，所提出的增量式算法比非增量式算法更加有效。

• 单位
  江西省水信息协同感知与智能处理重点实验室; 南昌工程学院