基于邻域粗糙集下知识划分的信息表降维

作者：彭潇然; 刘遵仁; 纪俊

来源：计算机应用研究, 2019, 36(01): 148-152.

DOI：10.19734/j.issn.1001-3695.2017.06.0650

• 降维
• 聚类
• 信息表
• 邻域粗糙集
• 主成分分析
• 属性约简

Pawlak粗糙集的知识约简包括对决策表的知识约简和对信息表的知识约简。作为Pawlak粗糙集的扩展,邻域粗糙集在针对决策表的属性约简方面应用广泛,而针对信息表的属性约简方面应用较少。为了设计一种适用于信息表的属性约简算法,根据Pawlak粗糙集的信息表知识约简标准,提出一种邻域粗糙集的信息表知识约简标准,然后根据这种标准,结合贪心思想进一步提出了一种适用于聚类任务的信息表属性约简算法。与主成分分析(PCA)算法相比,实验结果表明用该算法对数据集降维后,得到的属性约简集合的属性个数较多,K-means算法根据属性集合进行聚类的精度较高。实验结果证明该算法能有效地应用于信息表的属性约简方面。

• 单位
  青岛大学