基于模糊粗糙集依赖度的两步属性约简方法
为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.
属性约简、粗糙集理论、模糊粗糙集、模糊等价关系、隶属函数、依赖度
39
TP181(自动化基础理论)
国家自然科学基金资助项目61175029;航空科学基金资助项目20101996009
2013-07-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
828-834
