基于Vague粗糙集信息熵的属性约简算法

doi:10.12005/orms.2017.0101

运筹与管理 ›› 2017, Vol. 26 ›› Issue (5): 1-5.DOI: 10.12005/orms.2017.0101

• 理论分析与方法探讨 • 下一篇

基于Vague粗糙集信息熵的属性约简算法

李玉超¹, 徐金华²

1.中国科学院大学经济与管理学院,北京 100049;
2.军事科学院军事战略研究部,北京 100091

收稿日期:2016-03-07 出版日期:2017-05-25
作者简介:李玉超(1963-),男,河南睢县人,博士研究生,研究方向:国防战略管理;徐金华(1982-),男,江苏泰兴人,博士,研究方向:战略决策与评估。
基金资助:
中国博士后科学基金资助项目(2015M582874);军队科研“十二五”计划资助项目(14QJ003-032)

Attribution Reduction Algorithm Based on Information Entropy of Vague Rough Set

LI Yu-chao¹, XU Jin-hua²

1. University of Chinese Academy of Science, School of Economics and Management, Beijing 100049, China;
2. Academy of Military Science, Military Strategy Research Department, Beijing,100091, China

Received:2016-03-07 Online:2017-05-25

摘要/Abstract

摘要： 针对复杂系统分析中的数据信息冗余问题,提出一种基于Vague粗糙集信息熵的属性约简算法。首先,对Vague粗糙集相关概念进行拓展,提出Vague粗糙集的扩展信息熵和广义信息熵的模型;其次,对基于信息熵的属性重要性度量和属性约简原理进行研究,进而提出了一种基于Vague粗糙集信息熵的监督式属性约简算法;最后,选取UCI数据库对算法性能进行验证,计算结果表明该算法实用有效。

关键词: 粗糙集, Vague粗糙集, 信息熵, 属性约简

Abstract: In order to solve data information redundancy in complex system analysis, an attribution reduction algorithm based on information entropy of vague rough set is proposed. Firstly, the concerned concepts of vague rough set are expanded, then the extended information entropy and generalized information entropy are defined. Secondly, the attribution importance measure and attribution reduction principle based on information entropy are studied, and then an attribution reduction algorithm based on generalized information entropy is put forward. Finally, the algorithm quality is verified by applying to the chosen UCI database, and the calculation result has shown the validity and feasibility.

Key words: rough set, vague rough set, information entropy, attribution reduction

中图分类号:

O159
C931

李玉超, 徐金华. 基于Vague粗糙集信息熵的属性约简算法[J]. 运筹与管理, 2017, 26(5): 1-5.

LI Yu-chao, XU Jin-hua. Attribution Reduction Algorithm Based on Information Entropy of Vague Rough Set[J]. Operations Research and Management Science, 2017, 26(5): 1-5.

参考文献

[1] Skowron A, Rauszer C. The discernibility matrices and fuctions in information systems[M]. Slowiński R(Eds.) Intelligent Decision Support. Dordrecht: Kluwer Academic Publishers, 1992. 311-362.
[2] Jensen R, Shen Q. Fuzzy-rough sets assisted attribute reduction[J]. IEEE Trans on Fuzzy Systems, 2007, 15(1): 73-89.
[3] Yu D R, Hu Q H, Wu C X. Uncertainty measures for fuzzy relations and their applications[J]. Applied Soft Computing, 2007, 7(3):1135-1143.
[4] Zhao J Y, Zhang Z L. Fuzzy-rough data reduction based on information entropy[C]. HongKong: Proceeding of the 6th International Conference on Machine Learning and Cybernetics, 2007, (7): 3708-3712.
[5] Gau W L, Buehrer D J. Vague sets[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1993, 23: 338-356.
[6] Atanassov K. Intuitionistic fuzzy sets[J]. Fuzzy sets and Systems, 1986, 20: 87-96.
[7] Bustince H, Burillo P. Vague sets are intuitionistic fuzzy sets[J]. Fuzzy Sets and Systems, 1996, 79: 403-405.
[8] Karan S, Samajh S T, Mangi L. Vague rough set techniques for uncertainty processing in relational database model[J]. Informatica (Vilnius), 2008, 19(1): 113-134.
[9] 巩增泰,王芳弟.广义Vague粗糙集的公理化刻划[J].西北师范大学学报,2013,49(2):2-19.
[10] 路艳丽,雷英杰,华继学. 基于直觉模糊粗糙集的属性约简[J].控制与决策,2009,24(3):335-361.
[11] 郭庆,杨善林,刘文军.直觉模糊集信息系统属性约简算法[J].模糊系统与数学,2014,28(54):138-143.
[12] 王学明,舒兰.基于直觉模糊相似关系下的粗糙集属性约简[J].模糊系统与数学,2012,12(5):185-189.
[13] Mi J S, Guo Z X, Feng T. Uncertainty in generalized fuzzy rough sets[C]. Reno: Proceeding of the 14th International Conference on Fuzzy Systems, USA, 2005. 213-216.
[14] Pal N R, Bezdek J C. Measuring fuzzy uncertainty[J]. IEEE Trans. on Fuzzy Systems, 1994, 22(2): 107-117.
[15] Wierman M J. Measuring uncertainty in rough set theory[J]. International Journal of General Systems, 1999, 28: 283-297.
[16] Liang J Y, Xu Z B. Uncertainty measures of roughness of knowledge and rough sets in incomplete information systems[C]. Hefei: Proceeding of the 3rd WCICA, China, 2000: 2526-2529.
[17] Xu J H, Liu G B, Zhao J Y. Attribution reduction of battlefield electromagnetic measurement based on fuzzy-rough information entropy[C]. Wuhan: IEEE International Conference on Computational Intelligence and Software Engineering, , China, 2009.12.
[18] 赵军阳,张志利.基于模糊粗糙集信息熵的蚁群特征选择方法[J].计算机运用,2009,29(1):109-126.

基于Vague粗糙集信息熵的属性约简算法

Attribution Reduction Algorithm Based on Information Entropy of Vague Rough Set

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	刘潇, 王效俐. 基于k-means和邻域粗糙集的航空客户价值分类研究[J]. 运筹与管理, 2021, 30(3): 104-111.
[2]	张立军, 高春晓. 基于k-means聚类与粗糙集算法的指标筛选方法研究[J]. 运筹与管理, 2020, 29(12): 8-12.
[3]	李雪岩, 李学伟, 李静. 基于混沌集群智能优化算法的多目标粗糙集属性约减[J]. 运筹与管理, 2020, 29(12): 30-37.
[4]	施振佺陈世平. 一种改进的k-modes聚类算法[J]. 运筹与管理, 2019, 28(12): 112-117.
[5]	孙冬营, 佘靖雯, 褚钰, 许叶军, 王慧敏. 水资源配置方案综合评价中的信息损失测度研究[J]. 运筹与管理, 2019, 28(12): 124-129.
[6]	张璐, 李巨韬, 赵艳云, 田正清. 基于用户感性需求的产品设计方案评估方法[J]. 运筹与管理, 2019, 28(1): 152-157.
[7]	王宁,刘海园,周雪珂. 基于粗糙集的应急案例中概率规则挖掘方法[J]. 运筹与管理, 2018, 27(12): 84-94.
[8]	仲秋雁, 王然, 曲毅. 基于粗糙集的突发事件属性约简方法[J]. 运筹与管理, 2018, 27(1): 89-95.
[9]	郑斯斯, 王爱虎. 基于多目标属性决策和信息熵值法的港口集装箱装卸设备选型评价[J]. 运筹与管理, 2017, 26(10): 10-19.
[10]	朱煜明,史丽丽,韩青叶. 基于优势关系粗糙集方法的通用航空产业重点发展项目分类研究[J]. 运筹与管理, 2016, 25(3): 11-18.
[11]	李敬明, 阮素梅, 刘奎户. 基于改进模糊综合评价法的小微企业[J]. 运筹与管理, 2015, 24(6): 217-224.
[12]	鲍新中, 傅宏宇. 基于变精度加权平均粗糙度决策树的财务预警研究[J]. 运筹与管理, 2015, 24(3): 189-196.
[13]	谭旭, 毛太田, 邹凯. 可用性观点下的烟叶质量粗糙集评价方法[J]. 运筹与管理, 2015, 24(3): 219-226.
[14]	杨栩, 肖蘅, 廖姗. 基于MC-ZF-HD-DS的高端装备制造企业持续创新能力评价研究[J]. 运筹与管理, 2015, 24(1): 270-279.
[15]	孙秉珍, 马卫民, 赵海燕. 基于双论域模糊粗糙集的应急决策模型与方法[J]. 运筹与管理, 2014, 23(2): 41-48.