一种改进的悲观多粒度粗糙集粒度约简算法

摘要

针对以粒度内部重要度和粒度外部重要度不能有效度量非核粒度的重要度，无法获得有效启发信息使约简过早收敛的问题，提出以正域变化度量核粒度的重要度、以边界集变化度量非核粒度的重要度。新的度量方法不仅能度量核粒度的重要度，而且能度量非核粒度的重要度。以新的粒度重要度为依据，提出一种改进的悲观多粒度约简算法，与样本选择的启发式属性约简算法、信息熵的模糊ε-近似约简算法、粒度加速求解约简算法和邻域区分指数的特征选择算法相比，新算法可以减少迭代次数，能更有效地找到粒度约简子集。通过加州大学欧文分校(University of California Irvine, UCI)数据集进行试验，验证了算法的有效性和实用性。

关键词

多粒度粗糙集 / 粒度重要度 / 粒度空间 / 粒度约简 / 核粒度