论文研究新型灰狼算法的粗糙集属性约简及应用.pdf

粗糙集理论是模式识别和机器学习的重要内容，属性约简是粗糙集理论中核心步骤。然而传统的粗糙集理论对数据集进行属性约简，计算复杂度高，容易陷入局部最优解。提出了一种新型灰狼优化算法的粗糙集属性约简技术，可以很好地解决传统粗糙集理论出现的弊端。同时为了验证算法的可行性，采用国际通用UCI数据库进行验证，与两种传统的属性约简方法进行对比分析。实验结果表明，该方法属性约简个数少，识别精度高，证明该方法切实可行，操作简单。