论文研究基于邻域近似条件熵的启发式属性约简.pdf

目前粗糙集的研究局限于有限集，且现有的邻域粗糙集属性约简算法中属性重要性度量方式单一。针对邻域粗糙集存在的问题，提出了基于无限集的邻域近似条件熵模型。该模型以邻域近似条件熵下的属性重要度为启发条件，构造了一种基于邻域近似条件熵的前向贪心搜索属性约简算法。利用熵的单调性，证明了算法的正确性，并分析了算法的时间复杂度。通过实例分析和多个UCI数据集上的实验表明，所提出的算法是可行的，能有效减少属性数量，与现有的算法相比，不仅能够获得较小的属性约简结果，而且具有较好的分类性能。