基于粗糙集理论相对不可分辨关系的单一约简生成

在现实世界中，万物皆为对象，代表特定的类别。每个对象都可以由其属性完全描述。任何真实世界的数据集都包含大量的属性和对象。当这些庞大的数据集作为输入提供给分类器进行正确分类时，分类器性能不佳。因此，需要从这些庞大的数据集中提取对决策贡献最大的最有用的属性。本文利用粗糙集理论（RST）的不可分辨关系生成约简来缩减属性集。该方法使用相对不可分辨关系度量属性间的相似性，并计算属性相似集。然后对该集合进行最小化，并构建一个属性相似表，从中选择与最多属性相似的属性，使得最终选出的最小属性集（称为约简）覆盖属性相似表中的所有属性。该方法已应用于从UCI仓库收集的玻璃数据集，并通过多种分类器计算了分类精度。结果显示了所提方法的有效性。