基于区分矩阵与强等价集的启发式知识约简法

摘要：

提出了基于区分矩阵与强等价集的启发式知识约简方法.在决策表的相对约简过程中采用区分矩阵来表达知识,并利用区分矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择.同时利用属性加权频率和强等价集概念化简区分矩阵,既减小了计算复杂度又提高了约简效率.现已证明,寻找决策表中最小相对约简问题是典型的问题,采用该算法在大多数情况下能够找到最小约简,即使在未找到最小约简的情况下,也能找到次优解.通过实例分析,证明该算法是求解属性相对约简的快速、有效的方法.

关键词：粗糙集理论、决策表、相对约简、区分矩阵、强等价集、属性加权频率

所属期刊栏目：13

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金70171056;国家科技攻关项目975620107

在线出版日期：2005-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：512-515