一种启发式属性约简算法

本文在研究前人算法的基础上,采用分而治之的思想.考虑信息分布区域的不同对知识划分的影响.提出了两种改进的属性重要度定义;针对文献中加权平均属性重要度中,加权参数人为确定的局限性,对权数进行了改进.根据粗集的拓扑特征,构造了相应的启发式信息,最后,通过实例证明了算法的有效性.     

基于遗传算法的粗糙集属性约简及其应用

属性约简是粗糙集合研究的重要内容之一。为了能够有效地获取决策表中属性最小相对约简,提出一种基于遗传算法的属性约简算法。依据条件属性的重要度,把条件属性加入到相对核属性集中,将相对核加入遗传算法的初始种群中以加快算法收敛。并应用该算法对水上事故模型预测进行分析,做出推理和决策。