一種新的模糊決策表屬性約簡(jiǎn)方法

徐 山，杜衛(wèi)鋒，閔 嘯

1.南京城市職業(yè)學(xué)院 教務(wù)處，南京 210038

2.嘉興學(xué)院 數(shù)理與信息工程學(xué)院，浙江 嘉興 314001

一種新的模糊決策表屬性約簡(jiǎn)方法

徐 山1，杜衛(wèi)鋒2，閔 嘯2

1.南京城市職業(yè)學(xué)院 教務(wù)處，南京 210038

2.嘉興學(xué)院 數(shù)理與信息工程學(xué)院，浙江 嘉興 314001

粗糙集理論研究的核心內(nèi)容之一是屬性重要性的度量和屬性約簡(jiǎn)。應(yīng)用屬性重要性的度量可以分析數(shù)據(jù)中不同屬性的重要程度，從而可以剔除不重要的屬性，去掉數(shù)據(jù)中的冗余成分，保持關(guān)鍵的信息，為科學(xué)地管理和決策提供支持。

經(jīng)典的粗糙集模型適合于處理離散屬性值，對(duì)于連續(xù)屬性需要先進(jìn)行離散化，但是離散化算法往往忽視了不同實(shí)值對(duì)于離散值的不同的隸屬度，導(dǎo)致重要信息的丟失。一種更合理的方法是將模糊集和粗糙集結(jié)合，先進(jìn)行模糊化，將實(shí)數(shù)值轉(zhuǎn)化為相應(yīng)的隸屬度值，再使用模糊粗糙集進(jìn)行屬性約簡(jiǎn)[1]。文獻(xiàn)[2]提出了一種基于模糊粗糙集的屬性約簡(jiǎn)算法（Fuzzy-Rough Attribute Reduction，F(xiàn)RAR）。實(shí)驗(yàn)表明[3]，模糊粗糙屬性選擇比傳統(tǒng)的基于熵、基于主成分分析以及基于隨機(jī)性的歸約技術(shù)等方法的效果更好。但是該算法存在有三個(gè)問(wèn)題：（1）該算法的時(shí)間復(fù)雜度是屬性個(gè)數(shù)的指數(shù)階復(fù)雜度[4]，對(duì)于有較多屬性的模糊決策表，算法并無(wú)實(shí)用價(jià)值。（2）根據(jù)該文獻(xiàn)上的算例，X={ }x1，x3，x6時(shí)，，這與下近似算子是必然性算子的特性相悖。本文采用了另一種不基于模糊劃分而是基于元素相關(guān)程度的下近似算子，該算子能很好地滿足必然性算子的特性。……