属性重要度 - 360文档中心

基于属性重要性的属性约简算法

该理论是一种刻画不完整性和不确定性的数学工具，能有效地
１粗糙集基本概念
定义１一个信息系统Ｓ表示为Ｓ＝（Ａ，，，中Ｕ＝，Ｕ，Ｖ＇）其｛１Ｘ，，｝Ｘ，２ … 是论域；Ａ是属性集合；Ｖ＝Ｕ，ＶＵ∈Ａ，。表
第２７卷第２期
２１００年２月
计算机应用与软件
ＣｍｐｔｒＡｐｉａｉｎｎｏｔｒｏｕｅｐｌｔｓａｄＳｆｃｏｗａｅ
Ｖｏ．．１２７Ｎｏ２Ｆｅ２０ｂ．０１
基于属性重要性的属性约简算法
分析和处理不精确、不一致、不完整等各种不完备信息，并从中
示属性的值域＝Ｕ× — 是一个信息函数，Ａ对 ∈ＵＵ∈ 有，Ａ，发现隐含的知识，揭示潜在的规律 … 。其主要思想是在保持分，，）。（Ｕ ∈Ｖ。若Ａ可分为条件属性集Ｃ和决策属性集Ｄ，Ａ＝即类能力不变的前提下，过知识约简，出问题的决策或分类规通导则。近年来，已经被广泛应用到人工智能、它模式识别、据挖数ＣＵＤ，ＣｎＤ＝，则该信息系统称为决策表。定义２在信息系统ｓ中，于每个属性子集对义一个不可分辨的关系（：曰）
ｔｎｅｏｔｂｔｓｄｆｅ．ａｉｇｔｅｎｗｉｏｔｎｅｏｔｂｔｓａｈｅｒｓｉｍｅｓｇ，ｈｏｅｉａｎｌｓｈｗｓｔａｈｌｏｔｍａｃｆａｔｕｅｉｅｉｄＴｋｎｈｅｍｐｒａｃｆａｔｕｅｓｔｅｈｕｉｔｓａｅｔｅｒｔｌａａｙｉｓｏｈｔｔｅａｇｒｈｉｒｎｉｒｃｃｓｉｐｅｅｔｄｉｈｓｐｐｒｉｆｃｅｔａｄｆａｉｌ．ｒｓｎｅｎｔｉａｅｓｅｉｉｎｎｅｓｅｂ

基于属性重要度的ID3改进算法

Ｗａｎａｃ．Ｆｎｌ，ｉｉｐｏｅｈｔｔｅｉｒｖｄａｇｒｈｉｍｏｅｅｉｉｎｄｆｓｅｈｎｔｅｏｇｎｔｏｔｎｓｅｈｎｅｄｉａｙｔｓｒｖｔａｈｍｐｅｏｔｍｓｒｆｃｅｔａａｔｒｔａｈｒｉａｍｅｄｗｉａｌｄｏｌｉｎｉｌｈｈ
维普资讯
第２８卷２００８年６月
文章编号：０ — ０１２０）１０４１１９８（０８Ｓ — １４—００２
计算机应用
ＣｏｕｅｐｉａｉｎｍｐｔｒＡｐｌｃｔｏｓ
Ｖ１２ｏ．８
总是重要的，从而影响了分类预测的高效性。通过对Ｉ３算法的研究，据属性重要度粗糙集理论的思想，经典的Ｄ依对
Ｉ３算法做了相应的改进，Ｄ改进后的Ｉ３算法（Ｉ３，高了算法的决策效率。最后的实例及应用表明，ＤＡＩ）提Ｄ改进的算法更有效，更快速。
Ｊｎｏ８ｕｅ２ｏ
基于属性重要度的Ｉ３改进算法Ｄ
邹永贵，范程华
（重庆邮电大学计算机科学与技术学院，重庆４０６）００５
（ｈｎｈａ８＠ｈｔｉｃｒｃｅｇｕ＿４ｏｌｏ）ｍａ．ｎ
．
摘
要：３算法是数据挖掘中最经典的分类算法。该算法偏向于选择取值较多的属性，ＩＤ而属性值较多的属性不
０引言
决策树分类方法是一种有效的数据挖掘方法 … ，ｕｎａＱｉｌｎ
提出的Ｉ３算法是最有影响的一种决策树生成算法，Ｄ其思

基于属性重要度的案例特征权重确定方法

基于属性重要度的案例特征权重确定方法柳玉;贲可荣【摘要】To resolve deficiencies of existent methods as requirement of larger storage and no consideration on the sit- uation when new cases appear, an improved method to determine weighting coefficient for case feature based on at- tribute importance theory was proposed. By introducing fission matrix, the relationship between new core, reduction of attribute set and old ones was summarized, and incremental updating algorithms of core and attribute reduction were given. Computational algorithm description of weighting coefficient was illustrated according to above conclu- sions. Performance was showed by comparison of time and space complexity.%针对已有案例特征权重确定方法所需存储空间大且未解决新增案例情况下的权重更新问题,提出一种基于属性重要度的改进方法,通过引入分体差别矩阵,发现新的属性核、约简与原有结果之间的关系,设计属性核、约简的增量式更新算法,并给出计算特征项权重的算法描述,利用时间及空间复杂性对比,体现了算法的性能优势。

基于云模型的云分类及分类属性重要度计算

基于云模型的云分类及分类属性重要度计算提要：本文介绍了基于云模型的分类方法,并通过实例提出一种云分类方法,从而实现对论域的软划分,且划分结果更符合人类的思维方式,能够反映从定量数值到定性概念间转换的不确定性。

关键词:云模型;分类;不确定性;1、云模型及分类方法1.1、云模型李德毅院士从以自然语言中的概念为切入点,在模糊数学和概率理论的基础上了建立定性和定量转换模型——云模型,云模型不再强调精确的函数表示,而是利用期望Ex(Expected value)、熵En(Entropy)和超熵He(Hyper entropy)三个数字特征,通过特定构造的算法,形成定性概念与其定量表示之间的不确定性转换模型,主要反映概念中模糊性、随机性及其关联性。

利用云模型,可以从语言值表达的定性信息中获得定量数据的范围和分布规律,也可以把精确数值有效转换为恰当的定性语言值,从而构成不确定性知识表示模型。

1.2、分类最初的数据挖掘分类应用大多都是在这些方法及基于内存基础上所构造的算法。

目前数据挖掘方法都要求具有基于外存以处理大规模数据集合能力且具有可扩展能力。

主要有以下几种分类方法:(1)决策树;(2)KNN法(K-Nearest Neighbor);(3)SVM法;(4)VSM法;(5)Bayes法;(6)神经网络。

其中,决策树归纳是经典的分类算法。

它采用自顶向下递归的各个击破方式构造决策树。

树的每一个结点上使用信息增益度量选择测试属性。

可以从生成的决策树中提取规则。

2、实例分析2.1、鸢尾花(Iris)Iris是一种鸢尾属植物,它有三个变种的植物。

每个花的特征用以下五种属性描述:1.萼片长度(厘米);2.萼片宽度(厘米);3.花瓣长度(厘米);4.花瓣宽度(厘米);5.类别(Setosa,Versicolour,Virginica).其中,前四种属性为条件属性,即AC={萼片长度,萼片宽度,花瓣长度花瓣宽度},属性“萼片长度”的取值V萼片长度={5.1,4.9,4.7,4.9,6.6,5.2,7.2,6.5,6.4}。

基于专家知识库属性重要度的故障诊断方法研究

ＡｂｔａｔＢａｅｎａｔｉｕｅｓｇｉｅｎｅｏｏｇｅｎｎｅｒｔｄｔｃｎｌｇｆｅｐｒｓｄｔｂｓ，ｅｍｅｈｄＯｓｒｃｓｄｏｔｒｂｔｉｎｆａｃｆｒｕｈｓｔａｄｉｔｇａｅｅｈｏｏｙｏｘｅｔａａａｅａｎｗｔｏｆｉｆｕｔｄａｎｓｓｔｏｅｙｔｍｓｉｅｅｒｈｄＦｉｓｆａｌｈｔｒｂｔｉｎｆａｃｄｌｏｘｅｔａａａｅｉａｌｉｇｏｉｏｃｍｌｘｓｓｅＳｒｓａｃｅ．ｒｔｏｌ，ｔｅａｔｉｕｅｓｇｉｃｎｅｍｏｅｆｅｐｒｓｄｔｂｓＳｉｐｅｅｔｄｂｏｉｇｉｔｇａｅｙｔｍｆｕｔｆｅｄｅｐｒｓａｄａｓｇｍｅｔｒｌｆｆｕｔｓａｅｗｉｈａｔｉｕｅｓｇｉ — ｒｓｎｅｙｃｍｂｎｎｅｒｔｄｓｓｅｏｌｉｉｌｘｅｔｎｓｉｎｎｕｅｏａｌｔｔｔｔｒｂｔｉｎｆｍ－ｉｃｎｅｃｎｅｔｉｏｇｅｈｏｙＳｃｎｌ，ａｎｔｒｄｌｂｓｄｏｌｆｉｌｘｅｔａａａｅｉｏｓｒｃｅ，ａｃｏｃｐｒｕｈｓｔｔｅｒ．ｅｏｄｙｅｗｏｋｍｏｅａｅｎｍｕｔｅｄｅｐｒｓｄｔｂｓＳｃｎｔｕｔｄｎｉｗｈｃａｅｕｅｏｍｏｉｏｈｙａｉｓｓｅｎｒａ－ｉｎｉｇｏｉａｌＦｉａｌ，ａｓｍｕａｅｘｍｐｅｈｓｉｈｃｎｂｓｄｔｎｔｒｔｅｄｎｍｃｙｔｍｓｉｅｌｔｍｅａｄｄａｎｓｓｆｕｔ．ｎｌｙｉｌｔｄｅａｌａｓｏｈｔｔｅｔｃｎｑｅｉｅｆｃｉｅｙａｄｅａｔ．ＴｈｒｓｎｅｅｈｄｈｓｕｅｎｔｅｆｕｔｄａｎｓｓｏｏｌｘｈｗｎｔａｈｅｈｉｕＳｆｅｔｖｌｎｘｃｌｙｅｐｅｅｔｄｍｔｏａｓｄｉｈａｌｉｇｏｉｆｃｍｐｅｓｓｅｎｏｄｒｓｌｓｈｖｅｎａｈｅｅ．ａｄｔｅｔｅｒｔａｎｌｓｓｉｄｃｔｈｔｔｅｐｅｅｔｄａｇｒｔｍａｙｔｍｓａｄｇｏｅｕｔａｅｂｅｃｉｖｄｎｈｈｏｅｉｌａａｙｉｎｉａｓｔａｈｒｓｎｅｌｏｉｈｈｓａｃｂｏｄｐｏｐｃｏｒｃｉａｐｌａｉｎｒａｒｓｅｔｆｒｐａｔｌｐｉｔｏ．ｃａｃＫｅｗｏｄＣｏｐｉａｅｙｔｍ，ｕｔｐｅｉｔＭｕｔａｅｔｉｔｇａｉｎ，ｎｉｅｃｅｅ，ｌｒｎｅｅｒｒｙｒｓｍｌｔｄｓｓｅＦａｌｒｄｃ，ｌｉｇｎｎｅｒｔｃ－ｏＣｏｆｄｎｅｌｖｌＴｏｅａｃｒｏ

不完备信息系统中属性的重要度及约简方法

２ＸｉｙｎｃｔｎｌａｄＴｃｎｃｌＣｌｇ，ｎａｇＨｅａ６００，ｈｎ．ｎａｇＶｏａｉａｎｅｈｉａｏｌｅＸｉｙｎ，ｎｎ４４０Ｃｉａｏｅ
Ｅｍａ：１２＠１３ｏ－ｉ￣５４６．ｒｌｃｎＹＧｊ —ｉ，Ｈ－ｕ。ＩＫｅｙｎＩｏｔｎｅｒｅｏｔｉｕｅａｄａｔｉｕｅｒｄｃｉｎｉｎｏｌｅｉｆｒ－ＡＮｉｌＺＯＵＹｕｈａＱＮ－ｕ．ｎｍｐｒｔｄｇｅｆａｔｂｔｎｔｂｔｅｕｔｎｉｃｍｐｅｎｏｍａａｒｒｏｔ
ＣｍｕｒＥｇｎｅｉｇａｄＡｐｉｔｎ计算机工程与应用ｏｐｔｎｉｒｎｐｌａｉｓｅｅ、数信号与信息处理◎
不完备信息系统中属性的重要度及约简方法
杨霁琳，周玉华２秦克云１，
关键词：不完备信息系统；相似关系；粗糙集；属性约简；ＷＡ算子ＯＤ：０３７／ｉｎ１０ — ３１００Ｏ．１文章编号：０２８３（０００ — ０９０文献标识码：中图分类￣：Ｐ８ＯＩ１．８．ｓ．０２８３．１．１３７ｊｓ２０１０ — ３１２１）１０９ —４Ａ＇Ｔ１
ＹＮｉｌ１ＺＯｕｈａ．ＩｅｙｎＡＧＪ—ｉ，ＨＵＹ－ｕＱＮＫ－ｕｎ
１．西南交通大学数学学院，成都６０３１０１２信阳职业技术学院，．河南信阳４４０６００

基于分辨矩阵和属性重要度的规则提取算法

ｃｎｅｏｕｅｎｉｅｒｇａｄＡｐｉｔｎ．０８４（３：６ — ６．ａｃ．ｍｐｔｒＥｇｎｅｉｎｐｌａｉｓ２０．４２）１３１５Ｃｎｃｏ
ＡｂｓｒｃｔＴｈｅｔｒｂｅｅｕｃｉｎｎｄｔａ：ａｔｕｔｒｄｔｏａｖａｕｒｄｕｃｉｎｆｏｇｓｔｒｄｉｃｓｄｎｈｉｐｐｅ．ｅｉｌｅｅｔｏｏｒｕｈｅａｅｓｕｓｅｉｔｓａｒＴｈｄｉｃｒｉｌｔｍａｒｘｓｘ— ｓｅｎｂｉｉｙｔｉｅｉ
维普资讯
ＣｍｕｅｎｉｅｒｇａｄＡｐｉｔｎ计算机工程与应用ｏｐｔＥｇｎｅｉｎｐｌａｉｓｒｎｃｏ
２０，４２）１３０８４（３６
基于分辨矩阵和属性重要度的规则提取算法
Ｋｅｗｏｒｙｄｓ：ｄｓｅｉｌｔｍａｒｘ；ｔｒｂｅｉｎｉｃｎｃｒｌｇｎｅａｉｎ；ｔｂｅｅｕｃｉｎｉｃｒｂｉｙｎｉｔｉａｔｕｔｓｇｆａｅ；ｅｅｒｔｏａｔｕｔｒｄｔｉｉｕｉｒｏ
摘
要：究了Ｒｕｈ集理论中的属性约简和值约简问题，分辨矩阵引入值约简中，属性依赖度的角度重新定义了属性重要研ｏｇ将从
饶泓，叶娟，姆竹夏李
ＲＯＨｏｇＸＡＹｅｊａ，ＩＭｅ～ｈＡｎ，Ｉ－ｕｎＬｉｚｕ
南昌大学计算中心，昌３０３南３０１

模糊决策信息系统属性重要度的约简算法

虑下面的模糊决策信息系统，表１见
表１模糊决策信息系统
（）ｐＢ７１ａｒＤ）（ｆ１２若２
）ｐＣａ
）；
ＣＣＡ，＿
ａｒＤ）ｐｄ７，ｐ￣７ＣａｒＤ）（ａｒＤ）ａｒＤ）ｐｓ７ｐｃ￣；（（
少学者进行了～系列的研究．本文针对完备的模糊决策信息系统，根据模糊决策属性利用截集划分论域空间，定义了完备模糊
ｆ）２Ａ表示非空的有限条件属性集合，
即Ａ＝，／ …，｝Ｇ，２，％．
决策信息系统的上下近似概念，给出了相关的性并
定义１设Ｓ（Ａ，，为信息系统，ＣＡ，＝ＶＢ＿Ｖ ∈Ｕ，的等价类为
】｛ｌ ∈Ｕ Ⅱ ）０ｙＹ，＝ ∽，Ｖ ∈Ｂ｝
声的干扰，使得采集到的数据不够完整或精确，传
统的数学方法已不能够解决这种不确定性，者处或
定义不同的概念，主要思想是利用已有的知识库其来表示不确定或不精确的知识，在保持分类能力不变的前提下，通过知识约简，出问题的决策规则．导
记／｛ ∈Ｕ＝ＭＩ）为Ｂ上的所有等价类，定给
，Hale Waihona Puke 的日下近似为Ｖｏ．６Ｎｏ６１．．２
Ｄｅ．００ｃ２１
模糊决策信息系统属性重要度的约简算法
贾俊芳
（山西大同大学数学与计算机科学学院，山西大同０７０－３０９）

基于属性重要度的随机决策树学习算法

性的属性重要度，提升重要属性的影响因子，使得建树过程中随机选择属性时，不同属性之间的区分度得以体现，从而显著提高了算法的抗干扰能力，ＡＳｔＴ在保持原有Ｒ使ＩＳＤＴ算法优点的基础上，更具有良好的分类
准确率及稳定性。
关键词：数据挖掘；分类；随机决策树；性重要度属
最有代表性的决策树构造算法ＡＲＳＤＴ（ｔｉ— Ａｔｒｂ
中图分类号：Ｐ８Ｔ１２文献标识码：Ａ文章编号：０３５６（０７０—６１０１０ —００２０）６０８－５
Ａａｏｅｉｉｎｔｅｌｏｉｈｍａｅｎａｔｉｕｅｓｇｆｃｃｒｎｄｍｄｃｓｏｒｅａｇｒｔｂｓｄｏｔｒｂｔｉｎｉｉａｅｎ
ｐｐｒａｅ，ｗｈｃｐｅｄｉｎｆｃｎｅｆｒｅｅｙａｔｉｕｅｂｈｏｇｅｈｏｙｔｒｍｏｅｔｅｉｐｃｉｈａｐｎｓｓｉａｃｏｖｒｔｒｂｔｙｔｅｒｕｈｓｔｔｅｒｏｐｏｔｈａｔｇｉｍ
ｄｎｌｉｈｒｃｒｅｔｅｓａｄｂｔｅｔｂｌｙｏｌｓｉｉａｉｎｔａｈｅｔｙｈｇｅｏｒｃｎｓｎｅｔｒｓａｉｔｆｃａｓｆｔｈｎｔｅＲＤＴｌｏｉｈ．ｉｃｏａｇｒｔｍ
Ｋｅｒｓｄｔｎｎｙｗｏｄ：ａａｍｉｉｇ；ｃａｓｆｃｔｎ；ｒｎｏｄｃｓｏｒｅＲＤＴ）ｔｒｂｔｉｎｆａｃｌｓｉａｉｉｏａｄｍｅｉｉｎｔｅ（；ａｔｉｕｅｓｇｉｃｎｅｉ

基于辨识矩阵的属性集重要度评价方法

中图法分类号
Ｔ３１６Ｐ０．；
文献标志码
Ａ
粗糙集理论 ¨ 于１８９２年由波兰学者ｚＰｗａ．ａｌｋ提出，已在机器学习、据挖掘等若干领域得到现数了广泛地应用。根据粗糙集理论，知识推理就是根据知识表达系统的条件属性和决策属性，出所有求符合该知识的最小条件属性集，到最简分类得
定义４依赖度设Ｓ＝（Ａ，Ｕ，
策信息系统，＝ＣＵＤ是属性集，ＡＣ和Ｄ分别是条
件属性集和决策属性，于条件属性集ＢＣ描述基决策属性Ｄ表达的知识其可导性定义为知识的依赖性，表达为
还要考虑该属性与其他属性构成的属性集的重要
成的集合；于决策属性Ｄ不可分辨关系的等价族基
程度Ｊ目前，多数文献对依赖度的研究，限。大仅
于求解单一属性的依赖度，为单一属性依赖度为认
为：
Ｐ
一
在辨识矩阵的基础上，出了一种基于辨识矩提
阵的属性集重要度评价方法，求解属性集依赖度其的方法更简单，间复杂度相对于文献［］时８的方法
２１０２年５月２１日收到
（）＝ｕ｛ ∈ ＵｌｉＸ
弃．。然而，７＿把单一属性依赖度为０的属性删除，

属性重要度的英语四级考试成绩分析

第３５卷
第６期
技
术
与
创新管理Ｖｏｌ。３５Ｎｏ．６Ｎｏｖ．２０１４
２０１４年１１月
ＴＥＣＨＮＯＬＯＧＹＡＮＤＩＮＮＯＶＡＴＩＯＮＭＡＮＡＧＥＭＥＮＴ
【高等教育管理】
属性重要度的英语四级考试成绩分析
冯卫兵，王一斌
（西安科技大学理学院，陕西西安７１００５４）
摘
要：大学英语四级考试（ＣＥＴ一４）成绩的高低是社会评价大学生英语水平的重要指标之一，即能检测学生的学
习情况，又能对以后的教学提供宝贵的信息。为了研究ＣＥＴ一４考试中各题型对总分数的重要性，运用粗糙集理论
知识，对影响学生成绩的属性重要度进行计算，并对其进行属性约简，从而分析各题型对总分数的的重要性，减少了人为主观因素对评价结果的影响。应用表明，分析方案更科学、合理。结果表明：ＣＥＴ一４成绩中， “ 阅读” 部分的属性重要度最大，在“ 听力” 与“ 写作和翻译” 属性重要度的二倍以上，而后面二者的重要度相当。该研究结果对大学英语教学中更好备考ＣＥＴ一４有帮助作用，同时也给ＣＥＴ～４命题者提供反馈信息，对进一步改革ＣＥＴ一４有一
定的参考价值。
关键词：粗糙集；英语四级；属性约简；属性重要度
中图分类号：Ｏ２９
文献标识码：Ａ
文章编号：１６７２— ７３１２（２０１４）０６— ０６３２— ０３

基于属性重要度的多变量决策树构造方法

ＸＥＵ／ｑ
１相关概念
粗糙集理论是一种新的处理模糊和不确定知识
域是Ｕ中所有根据分类Ｕ／Ｐ的信息可以准确地划分到关系Ｑ的等价类中去的对象的集合。、
的数学工具。其主要思想就是在保持分类能力不变
的前提下，过知识约简，出问题的决策或分类规通导
则。
定义３设ＰＲ是等价关系的一个族集，关系
∈Ｐ若Ｉ，ＮＤ（Ｐ）一ＩＮＤ（Ｐ一｛ｒ），）则称关系．ｒ在族集Ｐ中是可缺的，否则就是不可缺的，若族集Ｐ中的每个关系都是不可缺的，称族集Ｐ是独立的，则否则就是依赖的或非独立的。
这一理论从新的视角对知识进行了定义。把知识看成是关于论域的划分。引入等价关系来讨论知识。该理论主要用于知识约简及知识相依性的分析。因此，以作为机器学习和复杂数据分析的工具［。可６］本文进行了构建多变量决策树的算法研究，应用粗糙集中的相对核作为多变量结点的选择依据，
ＲＸ＝Ｕ｛Ｙ∈Ｕ／ＡＩＹｎＸ ≠ ）
分别称它们为ｘ的下近似和上近似。实际的应用中，个分类相对于另一个分类的一
对于单个结点，用粗糙集中的属性重要度［来代采５
替Ｉ３的信息熵来作为属性分裂的度量。为了算法关系十分重要，Ｄ因此产生了一个分类相对于另一个

基于Relief属性重要度的快速约简算法

基于Relief属性重要度的快速约简算法
林芷欣，刘遵仁，纪俊
(青岛大学计算机科学技术学院，青岛266071)
摘要：邻域粗糙集是经典Pawlak粗糙集的扩展，能够有效的处理数值型数据&因为引入了
邻域粒化的概念，使用邻域粗糙集模型计算样本邻域度量属性重要度时，需要不断反复的对
负域中的样本进行邻域划分操作，算法计算量很大&为此提出了一种基于Relief算法属性
1邻域粗糙集模型
1.1邻域粗糙集的基本概念
定义1在一给定的N维实数空间Q中,△ =RNXRN *R，则称#为RN上的一个度量，若#满足以
下条件：
1) △ ! 1 ,孔)+ 0,其中当且仅当!1 %!时等号成立，,!1— RN ；
2) △ (( 1 !2 ) %△ ! 2,!1) ，, !1，! 2 — RN ； 3) △(! 1，! 3) . △ (( 1，!2) + △ ! 2，^3) ，V !1，!2，兄3 — R. ；
重要度的快速属性约简算法，降低计算邻域的算法时间复杂性&通过和现有算法运用多组
UCI标准数据集进行比较，实验结果表明，在不降低分类精度的前提下，该算法能更快速地
得到属性约简&
关键词：邻域粗糙集；邻域计算；Relief算法；属性重要度；属性约简
中图分类号:TP181
文献标志码:A
经典的粗糙集理论是Pawlak教授在1982年提出的(1)，通过等价关系将论域划分为多个等价类，运用上下近似的概念对目标实现知识发现&但这种建立在等价关系和等价类基础上的粗糙集理论只适用于处理离散型数据，对广泛存在于现实应用中的连续型数据却不能够直接处理 &因此，作为粗糙集理论的扩展模型一一邻域粗糙集模型被引入并广泛应用于连续数据的处理中与经典粗糙集不同，邻域粗糙集中的信息粒子需要通过度量计算来确定，这在一定程度上增加了算法的计算量，消耗运行时间&为了得到更高效的属性约简算法，胡清华等3提出了基于前向贪心搜索的邻域粗糙集前向搜索属性约简快速算法 (FARNeMF)。Liu等⑷对Hu算法中的正域计算模块进行改进，提出了更快速地FHARA算法&通过对 FARNeMF算法和FHARA算法分析可知，两者每次在做贪心选择之前，要对所有尚未选择的属性都计算一遍，然后选择属性重要度最大的属性并入约简集&为此，本文提出一种基于Relief5属性重要度的快速约简算法［58］，首先通过对沧近邻样本的所有属性进行加权特征选择，一次性求得属性重要度大小的排列，避免每次贪心选择之前都要对各个待选属性重复的进行重要度计算，节省时间开销，加快了算法的运行效率&

基于二进制可辨矩阵属性重要度的属性约简算法

ｃａｓｔｒｕｈａｔｂｔｎｒｄｃｉｎｎｒｌｒｄｃｉｎ，ｅｃｖｔｎｗｌｄｅｎｒｄｃｎｗｅｇ．ｕｔｅｌｓ，ｏｇｔｕｉｅｕｔａｄｕｅｅｕｔｈｉｒｏｏｏｔｘａａｅｋｏｅｇａｄｅｕｅｋｏｌｄｅＢｔｈｏａｔｉｕｉｎｒｄｃｉｎｉｒｂｅ，ｎｉｎｅｓｔｂｅｌｅｙｋｏｅｇｏｌｉｔｎｍｅｈｄｈｔｂｔｅｕｔｓｒｏｏａＮＰｐｏｌｍａｄｔｅｄｏｅｒａｉｄｂｎｗｌｄｅｆｅｉｔｉｔｏ．Ｔｅｚｃａｏ
ａｇｒｈｃｎｇｔｔｅｓｌｅｔａｔｂｔｓｑｉｋｙａｄｂｅｉｄｅｓｙｌｏｔｍａｅｈｍａｌｓｔｕｅｕｃｌｎｅｒａｚａｉ．Ａｎｔｉｒｖｄｔｅｗｏｋｂｅｉｈｉｉｒｌｅｌｄｉｓｐｏｅｏｂｒａｌｎｔｅ
有些属性是冗余的。约简的关键是求出决策表的最小条件属性集，去掉冗余属性，得到简化的决策表。文中根据粗集理论中二进制可辨矩阵的相关概念，提出了一种利用二进制可辨矩阵的属性重要度实现属性约简的算法，该算法能快速求得最小条件屙陛集且实现简单。
１相关概念
定义１设决策表（，，，ｔ１兄，其中：表相应的二进制可辨矩阵构造如下：１２…，ＲＧＤＣ＝）ｃ（，，ｃＤ｛，，，１）＝Ｕ（ｎＤｔ；＝ｃＣ …，１；，ｐ１２；＝ｅ决策）
ＷＡＮＧＸｉｏｙｎａ－ａ

结合属性重要度和灰色关联度的数据补齐方法

王方心一，潘巍。，吴立锋～，金声震ｈ，李晓娟
（１．首都师范大学信息工程学院，北京１０００４８；２．首都师范大学高可靠嵌入式系统技术北京市工程
研究中心，北京１０００４８；３．首都师范大学电子系统可靠性技术北京市重点实验室，北京１０００４８）
ＷＡＮＧＦａｎｇ — ｘｉｎ・，ＰＡＮＷｅｉ ’ ，ＷＵＬｉ — ｆｅｎｇ，，ＪＩＮＳｈｅｎｇ — ｚｈｅｎ＇。，ＬＩＸｉａｏ — ｊｕａｎ ’ ’ 。
（１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣａｐｉｔａｌＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００Ｏ４８，Ｃｈｉｎａ；２．ＢｅｉｊｉｎｇＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＨｉｇｈＲｅｌｉａｂｌｅＥｍｂｅｄｄｅｄＳｙｓｔｅｍ，ＣａｐｉｔａｌＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００４８，Ｃｈｉｎａ；３．ＢｅｉｊｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｌｅｃｔｒｏｎｉｃＳｙｓｔｅｍＲｅｌｉａｂｉｌｉｔｙＴｅｃｈｎｏｌｏｇｙ，ＣａｐｉｔａｌＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００４８，Ｃｈｉｎａ）

基于包含程度的属性重要性定义

Ｓｃ（ｃＤ）一（． ‘ ｌＤＣ）＝（ｇｃＤ）
ｃ关于Ｄ的重要性定义为
特别地，Ｃ当：｛｝时，性口∈ Ｃ关于Ｄ的重要性定义为口属ＳＣ（）＝ｃＤ）一ｙ｝Ｄ） ’ ｌＤａ（ｇｃ（，其中ｃＤ）＝ｌＯｃＤ）ＩＵｌ（Ｓ（Ｐ／ｌ＿
纪军，：等基于包含程度的属性重要性定义
６７５
立的，则称Ｃ是Ｃ相对Ｄ的属性约简，Ｃ为代数约简，为ｒｄＣ＝Ｃ，有属性约简的交集称为属性称记ｅ（）所核，为ｃｒ（）记ｏｅＣ．定义７令ｃ和Ｄ分别为条件属性集和决策属性集，属性子集ｃ
相对于Ｄ是不必要的，否则称口在ｃ中相对于Ｄ是必要的，果ｃ如定义６给定决策表Ｓ＝（，ＵＣＵＤ，
收稿日期：０９１—２２０ —０１
Ｃ中任意属性相对于Ｄ都是必要的，
，Ｃ对Ｃ，如果ＰＳ，Ｄ）＝ＰＳ（Ｏ（ＯｃＤ）且ｃ相对于Ｄ是独
了基于该定义下的属性最佳约简方法，最后结合实例说明该方法的有效性．
关键词：属性约简；属性重要性；包含程度
中图分类号：ＰｌＴ８
文献标识码：Ａ
２纪８代由Ｐｗａ０世Ｏ年ａห้องสมุดไป่ตู้ｋ等人提出的粗糙集理论．是处理数据的新方法，它目前在信息检索、数据挖掘、文本分类、模式识别等许多领域得到了广泛的运用．在粗糙集理论中，知识约简是一个核心内容，谓知所识约简，就是在保持知识库的分类能力不变的条件下，除知识库中不相关或不重要的冗余知识］一般来删．

基于属性重要度的决策树算法

基于属性重要度的决策树算法王蓉;刘遵仁;纪俊【期刊名称】《计算机科学》【年(卷),期】2017(044)0z2【摘要】The traditional ID3 decision tree algorithm is difficult in selecting attribute,its classification efficiency is not high,and anti-noise performance is not strong,so it is difficult to adapt to large-scale data set and other issues.Aiming at this situation,a decision tree algorithm based on attribute significance and variable precision rough set was proposed to ensure that the tree size is not too large while removing the noise data.The algorithm was validated by using multiple UCI standard data sets.The experimental results show that the algorithm is superior to the ID3 algorithm in the scale and classification accuracy of the decision tree.%传统的ID3决策树算法存在属性选择困难、分类效率不高、抗噪性能不强、难以适应大规模数据集等问题.针对该情况,提出一种基于属性重要度及变精度粗糙集的决策树算法,在去除噪声数据的同时保证了决策树的规模不会太庞大.利用多个UCI标准数据集对该算法进行了验证,实验结果表明该算法在所得决策树的规模和分类精度上均优于ID3算法.【总页数】4页(P129-132)【作者】王蓉;刘遵仁;纪俊【作者单位】青岛大学数据科学与软件工程学院青岛266071;青岛大学计算机科学技术学院青岛266071;青岛大学计算机科学技术学院青岛266071【正文语种】中文【中图分类】TP18【相关文献】1.基于粗糙集的组合属性重要度确定单属性重要度新方法 [J], 孙立民;金祥菊2.基于粗糙集的组合属性重要度确定单属性重要度新方法 [J], 孙立民;金祥菊;3.基于可创新度的产品属性重要度计算方法 [J], 孔造杰;赵啸天;孙可远;李斌4.基于k近邻属性重要度和相关系数的属性约简 [J], 林芷欣;刘遵仁;纪俊5.基于边际属性重要度的属性权重确定方法及应用 [J], 王世华;张清华;胡绍林;吴思莹因版权原因，仅展示原文概要，查看原文内容请购买。

改进的粗糙集属性重要度

改进的粗糙集属性重要度肖劲森;孙立民【摘要】粗糙集理论知识库的属性重要度,体现的是去掉某个或某些属性前后的知识库分类变化的程度.对现有粗糙集理论的属性重要度确立方法的不足,充分考虑条件属性对决策的直接和间接的影响,提出一种新的基于粗糙集属性依赖度的属性重要度确定方法.此外,针对原有属性重要度与改进重要度的差别,讨论改进的属性重要度的意义,并证明改进的属性重要度更加可信.最后,利用改进的方法对机械故障属性重要度进行仿真;对比原有属性重要度的数据,改进方法获得的数据不但更符合属性约简结果,并且具有更大区分度,十分有利于决策者快速做出判断.%The attribute significance degree based on the knowledge base of rough sets shows the classification change af-ter removing one or more attributes. For the inadequacy of the method to determine the attribute significance degree, the direct and indirect effects of the condition attributes acted on the decision attributes are considered, and the method to de-termine the attribute significance degree, which is based on the attribute dependency degree in rough sets, is improved. Moreover, after comparing the difference between the original and the improved method, the meaning of the later is dis-cussed, and theorems show that the improved method is more credible. Finally, the simulation on the attribute significance degree of mechanical faults shows that the attribute significance degrees are more distinguishable and suitable for the attri-bute reduction, which are beneficial to decision-makers'quick judgments.【期刊名称】《计算机工程与应用》【年(卷),期】2017(053)003【总页数】4页(P174-176,210)【关键词】粗糙集;属性重要度;故障诊断;属性约简;决策【作者】肖劲森;孙立民【作者单位】广东石油化工学院理学院, 广东茂名 525000;广东石油化工学院理学院, 广东茂名 525000【正文语种】中文【中图分类】TP182;O189XIAO Jinsen,SUN Limin.Computer Engineering and Applications,2017,53（3）：174-176.属性重要度在信息评判和决策的过程中十分重要,它反映了各个属性在信息系统中的地位和作用,能否比较准确地确定属性重要度直接影响到最终信息的评判和决策结果。