一种有效的基于风险最小化的属性约简算法

摘要：

基于粗糙集理论定义的属性约简大都要求约简前后正区域保持不变或者非负区域不变.在概率型决策粗糙集模型下,决策区域和决策规则与属性增减之间并不具备单调性.因此,决策者基于约简后的属性集合所作的决策风险最小就变得非常有意义.针对这种与各个区域无关的基于决策风险最小化的属性约简进行了研究.考虑到不同属性对决策表的决策分类能力不同,提出了基于决策粗糙集模型的属性重要性概念,从而设计了一种有效的基于属性重要性的决策风险最小化启发式属性约简算法.实例分析与对比实验结果说明新方法是有效的.

关键词： Attribute reduction Minimum decision cost Significance of attributes Decision-theoretic rough set

作者: 于洪 姚园

作者单位: 重庆邮电大学计算智能重庆市重点实验室 重庆400065

会议类型: 国内会议

会议名称: 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

会议地点: 合肥

会议语种:中文

页码: 23-23

在线出版日期: 2012-10-13（万方平台首次上网日期，不代表论文的发表时间）