基於屬性重要度約簡算法在數據挖掘中的應用研究論文

摘 要：屬性約簡是粗糙集理論研究的核心內容之一，本文通過對屬性重要度的計算，以核為基礎計算條件屬性集中除核以外其他屬性的重要性來確定最小的約簡，最後通過實例分析驗證了算法的有效性與可行性。

關鍵詞：數據挖掘 屬性約簡 重要度

數據挖掘是從海量的且不斷動態變化的數據中，藉助有效的方法挖掘出潛在、有價值的知識過程。而粗糙集理論它是一種刻畫不完整性和不確定性的數學工具，能在保持分類能力不變的前提下，通過知識約簡從中發現隱含的知識，揭示潛在的規律，是由波蘭科學家Pawlak在1982年提出的。而屬性約簡是粗糙集理論研究的核心內容之一，它能保證在分類能力不變的情況下，消除重複、宂餘的屬性和屬性值，減少數據挖掘要處理的信息量，提高數據挖掘的效率。本文提出了通過計算單個屬性的重要性，以重要性大於零的屬性為核，來選取其它屬性加入核中形成新的集合RED，直至剩下的所有屬性的重要性為零，得到的集合REDn即為屬性約簡。

1 粗糙集的基本理論[1-2]

定義1設 是一個信息系統，其中 是對象的非空有限集合，即 ; 是屬性的非空有限集合; ， 是屬性 的值域; 是一個信息函數，即每個對象在每個屬性上對應的信息值。若 ，其中 為非空有限條件屬性集合， 為非空有限決策屬性集合，且 ，則稱信息系統為決策表。

定義2對決策表 ， ， ，考慮單決策屬性的情況，即 ，則的分辨矩陣是一個 矩陣，其中的元素定義如下：

定義3對分辨矩陣中每個 ，用布爾函數 來表示，若 ，則決策表的分辨函數 可定義為： 。

2 基於粗糙集的數據挖掘的屬性約簡算法[3-4]

2.1 算法分析

第一步：求核。通過求條件屬性C中的每個屬性a對在整個條件屬性集C的重要性SigC(x)來確定屬性核CORE(x)，重要性SigC(x)>0的屬性為核屬性。

第二步：通過向屬性核CORE(x)中依次加入重要性大的屬性來確定屬性集x的最小約簡，詳細步驟如下：(1)把a加入到屬性集R 中，計算重要性，選擇重要性最大的屬性;(2)如果兩個屬性有相同的重要性，取離散值小的屬性。

2.2 算法複雜度

通過算法的`分析，在對決策表進行劃分的時間複雜度為O(n2)。而計算條件屬性的重要性也是滿足劃分的線性關係，因此所求屬性核的時間複雜度為O(n2)，依次添加次重要度的屬性也沒有增加額外的開銷，因此整個時間複雜度還是O(n2)。

2.3 實例及分析

為了進一步驗證算法的可行性，下面以表1中的決策表為例進行分析説明，其中對象集 ，條件屬性集 ，決策屬性 。

以上對計算出的實驗數據的重要性進行統計得出信息系統的兩個約簡為{c1,c4}和{c2,c4}。

3 結語

本文針對屬性約簡算法中的屬性重要度的計算來確定核，適合對海量數據的挖掘，不僅節省了存儲空間，而且在時間複雜度開銷少，通過實驗分析驗證了算法的可行性與有效性，為決策表的屬性約簡提供了一條高效的途徑。

參考文獻：

[1]張文修,吳偉志.粗糙集理論與方法[M].北京:科學出版社,2001:18-19

[2]周獻中,黃兵，李華雄,等.不完備信息系統知識獲取的粗糙集理論與方法[M].南京:南京大學出版社,2010:10-11

[3]饒泓,夏葉娟,李娒竹.基於分辨矩陣和屬性重要度的規則提取算法[J].計算機工程與應用，2008,44(3):163-165

[4]黃國順,劉雲生.一種改進的決策表屬性重要性及其快速約簡算法[J].計算機工程與應用,2007,43(28):173-176