基于粗糙集技术的压缩近邻规则

近部(nearestneighbor,nn)算法是一种简单实用的监督分类算法。但nn算法在分类未知类标的样例时，需要存储整个训练集，还要计算该样例到训练集中每一个样例之间的距离，所以nn算法的计算复杂度非常高。为了克服这一缺点，p.hart提出了压缩近部(condensednearestneighbor,cnn)规则算法，即从整个il}练集中找原样例集的一致子集(一致子集是能正确分类训练集中其他样例的子集)。其计算复杂度依然比较高，特别是对于大型数据库，寻找其一致子集是非常耗费时间的。针对这一问题，提出了基于粗糙集技术的压缩近部规则算法。该算法分为3步，首先利用粗糙集方法求属性约简(特征选择)，以将冗余的属性去掉。然后选取靠近边界域的样例，以将冗余的样例去掉。最后从选出的样例中计算一致子集。该算法能同时沿垂直方向和水平方法进行数据约简。实验结果显示，所提出的方法是行之有效的。