基于粒度的加速求解约简策略

作者：张昭琴; 徐泰华; 鞠恒荣; 刘克宇; 王平心^*

来源：南京理工大学学报, 2021, 45(04): 401-408.

DOI：10.14177/j.cnki.32-1397n.2021.45.04.003

• 属性约简
• 粒度
• 粗糙集
• 搜索空间
• 不确定性度量

前向贪心搜索策略在约简求解的过程中,需要遍历所有的候选属性,从而确保在每轮迭代时能够选择出最优的属性。在属性数量急剧增加时,利用前向贪心搜索进行约简求解会显式地带来较大的时间消耗。鉴于此,在前向贪心搜索的基础上,依据属性约简过程和粒度的变化关系,提出了基于粒度的加速求解约简策略。该策略的核心思想是以粒度大小为标准,剔除对应着较粗粒化结果的属性,从而压缩候选属性的搜索空间,达到提升约简求解效率的目的。在12组UCI数据集上,采用3种不确定性度量,实验结果表明,相较于前向贪心搜索,基于粒度的加速求解约简策略不仅能够显著地降低约简求解的时间消耗,而且所得到的约简依然具备较好的分类性能,验证了所提算法的有效性。

• 单位
  江苏科技大学; 西南交通大学; 南通大学