新型灰狼算法的粗糙集属性约简及应用

摘要：

粗糙集理论是模式识别和机器学习的重要内容,属性约简是粗糙集理论中核心步骤.然而传统的粗糙集理论对数据集进行属性约简,计算复杂度高,容易陷入局部最优解.提出了一种新型灰狼优化算法的粗糙集属性约简技术,可以很好地解决传统粗糙集理论出现的弊端.同时为了验证算法的可行性,采用国际通用UCI数据库进行验证,与两种传统的属性约简方法进行对比分析.实验结果表明,该方法属性约简个数少,识别精度高,证明该方法切实可行,操作简单.

关键词：粗糙集、属性约简、灰狼算法

所属期刊栏目：53

分类号：TP18(自动化基础理论)

资助基金：河北省自然科学基金E2016202341;河北省高等学校科学技术研究项目BJ2014013

在线出版日期：2018-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：182-186