计算机应用研究

作者：王小雪,殷锋,杨雅雯,

单位：西南民族大学计算机科学与工程学院,成都610041；

关键词：粗糙集,属性约简,知识距离,属性重要度,

基金：国家自然科学基金资助项目(61105061)；国家社会科学基金资助项目-重大招标项目(19ZDA284)；四川省科技资助项目-重点研发项目(2023YFN0026)；四川省教育信息技术研究资助项目(DSJ2022036)；成都市哲学社会科学规划资助项目(2022BS027)；西南民族大学中央高校基本科研业务费专项资金资助项目(2022SZL20)；；

针对基于正域的属性约简算法在约简过程中存在重复计算属性相对重要度从而导致算法效率低的问题，从属性度量和搜索策略的角度提出基于知识粗糙熵的快速属性约简算法。首先，在决策信息系统中通过引入知识距离提出知识粗糙熵以度量知识的粗糙程度；其次，利用知识粗糙熵作为属性显著度的评价标准来评估单个属性的重要程度；最后，利用属性重要度对所有条件属性进行排序，且通过属性依赖度删除冗余属性，从而实现快速约简。在六个公开数据集上将所提算法与其他三种算法在运行效率和分类精度上进行对比实验。结果表明，该算法的运行效率比其他三种算法分别提高了83.24%，28.77%和59.92%；在三种分类器中，分类精度分别平均提高了0.83%、0.63%和1.37%。因此，所提算法在保证分类性能的同时，能以更快的速度获得约简。

来源：2024年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第2期