置信优势关系粗糙集的属性约简方法

摘要 置信优势关系粗糙集是处理不完备有序信息的重要模型,属性约简是核心内容之一.首先考查了分类精度在属性域的单调性,提出保持分类精度不变的启发式约简方法.由于启发式约简方法在增加或删除一个属性时,需重新计算整个上、下近似集得到分类精度,效率不高.进一步,讨论了增加或删除一个属性后,置信优势关系粗糙集上、下近似集的变化情况,给出分类精度的动态更新方法,提出增量式约简方法.通过对UCI数据集的实验证明,启发式约简方法和增量式约简方法有效,在数据样本较多时,增量式方法更优