基于k-原型聚类和粗糙集的属性约简方法

摘要：

基于k-原型聚类和等价关系下的粗糙集理论,对含有连续值和符号值的目标信息系统提出了一种新的适用于混合数据的属性约简方法.首先,k-原型聚类可以通过定义混合数据的距离而得到信息系统的类簇,形成对论域的划分.将所得到的类簇代替粗糙集理论中的等价类,提出基于聚类的近似集、正域以及正域约简的概念,并根据信息熵定义属性重要性度量,建立了变精度正域约简方法.这种属性约简可以同时处理数值型和符号型数据,去除其中的冗余属性,提高分类性能,降低存储和算法运行时间耗费,并通过调节聚类参数k得到对论域不同粒度的划分,对所得到的约简进行优化.最后在UCI数据集上进行了大量的实验,针对分类问题采用了常见的4种分类算法,比较了约简前后的分类精度,详细分析了参数对结果的影响,验证了约简方法的有效性.

关键词：属性约简、k-原型聚类、粗糙集、混合数据、多粒度

所属期刊栏目：48

分类号：TP181(自动化基础理论)

资助基金：广东省自然科学基金;河北省自然科学基金;国家自然科学基金;河北省教育厅科学技术研究重点项目

在线出版日期：2021-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：342-348