分布约简与信息熵意义下的约简

摘要：

@@ 1引言
粗糙集中的属性约简是在保持系统分类能力不变的条件下,通过删除那些不必要的、冗余的属性得到的条件属性集合,它可以在不丢失系统基本信息的基础上,简化信息,形成知识.信息熵是由Shannon提出的,基于统计意义的,用于度量信息的不确定性和随机性的重要概念,将粗糙集的方法与信息熵相结合,已经取得了众多成果[1].在实际的应用中,由于种种原因,得到的信息一般都会带有一定的不一致性,因此如何定义不一致信息系统中的属性约简,是一个重要研究的课题.除了传统代数意义下的属性约简之外,文[1]还提出了信息熵意义下的属性约简,文[2]在文[3]的分布约简的基础上提出了最大分布约简,并定义了相应的可辨识矩阵.本文主要对信息熵意义下的属性约简与分布约简和最大分布约简之间的关系进行讨论.

机标关键词：最大分布约简、信息熵、属性约简、不一致信息系统、粗糙集、可辨识矩阵、属性集合、重要概念、统计意义、基础、基本信息、分类能力、度量信息、不一致性、不确定性、保持系统、随机性、知识、应用、课题

所属期刊栏目：31

分类号：TP3(计算技术、计算机技术)

资助基金：福建省自然科学基金A0310011;福建省教育厅科研项目JA03004;福州大学校科研和教改项目2003-XQ-24

在线出版日期：2005-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：120-121