一种快速的动态属性约简矩阵算法

为了对动态变化的决策表进行属性约简处理,在给定的属性序下,提出了一种基于分辨矩阵元素集的增量式Pawlak约简算法.该算法根据新增对象的不同情况快速更新分辨矩阵元素集,并依据其元素的变化,在给定属性序下快速更新Pawlak约简.实例和仿真实验结果表明,该算法是有效、可行的,与非增量式算法相比,效率平均提高91.4%.

为了对动态变化的决策表进行属性约简处理,在改进的分辨矩阵的基础上,提出一种增量式属性约简算法,当决策表添加新的记录后,能快速得到新决策表的所有约简和最小约简.此外,通过对不相容决策表的正区域的决策值和边界域对原决策表进行分解,得到了一种分布式增量属性约简模型.仿真研究表明了算法的正确性和高效性.

针对以往文献为克服基于差别矩阵的属性约简算法存储代价高的不足而提出的基于浓缩树(C-Tree) 的高 效属性约简算法仅考虑决策表不变的情况, 提出了一种基于C-Tree 的属性约简增量式更新算法, 主要考虑对象动态 增加情况下属性约简的更新问题. 该算法可通过快速更新C-Tree, 在动态求解核的基础上, 利用原有的属性约简有效 地进行属性约简的增量式更新. 理论分析和实验结果表明, 所提出的算法是有效可行的.