一种改进的基于相对正域的增量式属性约简算法

摘要

当决策系统增加新数据时,原约简集可能不再有效,这就需要对原约简集进行动态更新,目前已有的增量算法只研究了属性或样本的动态增加。本文从邻域粗糙集理论出发,详细分析系统在增加属性和样本数据后的变化规律,得到一种改进的增量式属性约简算法。该算法利用相对正域的概念对原约简集进行动态更新,可以处理属性和样本都增加的决策系统,有效地避免了二次约简过程。从理论上分析该算法的时间复杂度,实例表明该算法和传统算法的结论是一致的,实验证明该算法提高了计算效率。