基于互信息的模糊粗糙集并行约简

摘要 模糊粗糙集结合了粗糙集和模糊集的优势,使得可以直接处理连续值属性,成功应用于诸多领域.然而,在信息爆炸的时代,现实世界的数据绝大多数都在不断发展变化,传统的模糊粗糙集已不再适用于动态变化的数据.针对动态增长或变化的数据,将并行约简理论引入至模糊粗糙集中,结合信息论,提出信息论意义下的模糊粗糙集并行约简概念,并利用互信息的概念提出了基于互信息的模糊粗糙集并行约简算法.实验结果表明本文所提算法与传统的模糊粗糙集约简方法保持相近的分类准确率,但避免了繁琐的重新训练过程,大大提高了学习速度,因此,提高了分类的可扩展性和适应性