计算机应用研究

作者：张敏,朱启兵,黄敏,

单位：江南大学物联网工程学院轻工过程先进控制教育部重点实验室,江苏无锡214122；

关键词：属性约简,粗糙集,可区分度,分类性能,连续型数据,

基金：国家自然科学基金资助项目(61772240)；；

针对现有粗糙集属性约简方法中存在的连续数据处理时的信息丢失、粒化策略引入不一致信息、参数寻优困难等问题，提出一种适用于连续型数据、基于类别可区分度的非单调性启发式属性约简算法。首先以各样本的标签为依据对论域进行划分，同一标签的样本组合成一个簇，定义每个簇的类间可区分度和类内可区分度；其次，以最大化类间可区分度、最小化类内可区分度为约简原则，定义了一种新的属性重要性判别准则以确定最优约简集，从而提高后续分类器的分类性能。在十一个UCI数据集上与其他六种属性约简算法进行对比实验。结果表明，与六种算法相比，所提算法获得的约简集平均维度减小了1.16，平均分类精度提高了3.42%，其表现出更好的约简性能。

来源：2022年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第4期