基于变精度邻域依赖度属性约简

李朝清 孙洁

摘要：邻域粗糙集理论是粒计算中一个重要的计算模型，它已成功地应用于诸多领域，其中属性约简是其最主要的应用之一。变精度邻域粗糙集在邻域粗糙集的基础上引入了容忍度参数β，通过调整β 值使对象被划分到下近似或上近似的標准更加灵活，允许一定程度的不确定性和模糊性。基于此，本文提出了一种基于邻域依赖度的属性约简策略。首先本文以邻域粗糙集中的相关理论为基础，构建了变精度邻域粗糙集选择模型。接着，基于数据集中决策属性，定义重要度来表示候选属性的重要性，同时，设计了一种基于变精度邻域依赖度的属性约简算法。最后使用公开数据集，通过实验表明，本文所提算法可以选择较少的属性来保持或者提高聚类算法的性能，这充分证明了本文所提约简算法是有效的。

关键词：变精度邻域粗糙集；依赖度；属性约简

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）06-0056-05