协调多尺度决策系统中基于测试代价的属性与尺度选择

摘要

对多尺度决策系统进行处理可以使复杂的问题简单化,属性与尺度的同步选择是该处理过程中一个重要方法.此外,现实中数据处理经常需要考虑代价因素的影响,但是,目前研究还没有在属性与尺度的同步选择中考虑代价因素.为了解决这一问题,文中基于测试代价,研究协调多尺度决策系统的属性与尺度选择.首先,构造相应的粗糙集理论模型,模型中的定义及性质同时考虑属性和尺度这两个要素,并给出基于测试代价的属性-尺度重要度函数.然后,基于适用于多尺度决策系统的粗糙集概念及性质,提出属性与尺度同步选择的启发式算法.在UCI数据集上的实验表明,文中算法可大幅降低总测试代价,提升计算效率.