第8卷第2期 智能系统学报 Vol.8 No.2 2013年4月 CAAI Transactions on Intelligent Systems Apr.2013 D0I:10.3969/j.i8sn.1673-4785.201209056 网络出版t地址：htp://www.cnki.net/kcma/detail/23.1538.TP.20130409.1436.005.html 综合属性选择和删除的属性约简方法 杨成东1，邓廷权 (1.临沂大学信息学院，山东临沂276005；2.哈尔滨工程大学理学院，黑龙江哈尔滨150001) 摘要：属性约简能有效地消除信息冗余，广泛应用于人工智能、机器学习.通过实例指出基于辨识矩阵的经典的属 性约简方法存在不能得到约简的可能性，仍具有冗余性.因此，提出了综合属性选择和删除算法的辨识矩阵属性约 简方法，并有效解决该问题.通过UCI标准数据集验证表明，新方法比经典方法进一步减少了属性的个数，凸显其实 用性和有效性。 关键词：辨识矩阵；属性约简：信息冗余；人工智能；机器学习：属性选择；属性删除 中图分类号：TP301.6文献标志码：A文章编号：16734785(2013)02018304 An approach to attribute reduction combining attribute selection and deletion YANG Chengdong,DENG Tingquan2 (1.School of Informatics,Linyi University,Linyi 276005,China;2.College of Science,Harbin Engineering University,Harbin 150001,China)） Abstract:Attribute reduction has been defined as a method for removing information redundancy effectively,which has been widely applied to artificial intelligence,and machine learning.However,an example demonstrates classi- cal attribute reduction approaches based on discernibility matrix may not get a reduction with redundancy.There- fore,an attribute reduction based on discernibility matrix combining attribute selection and deletion was proposed and thus,the problem was solved effectively.Moreover,UCI standard data sets provide further explanations on the feasibility,effectiveness,and as well as additional information on reducing the number of attributes without the classical approaches. Keywords:discernibility matrix;attribute reduction;information redundancy;artificial intelligence;machine learning;attribute selection;attribute deletion 属性约简利用粗糙集2]等理论，旨在保持信 性约简方法，存在不能得到约简的可能性，仍具有冗 息系统决策能力不变的条件下，去除冗余属性，从而 余性. 减少数据的冗余度，是机器学习和人工智能最重要 1基础知识 的研究方向之一.属性约简方法有很多，譬如基于依 赖度的属性约简方法3]、基于互信息的属性约简方 给定决策系统S=(U,C∩D,V,),其辨识矩阵 法451、基于模糊粗糙集的属性约简方法61等。 定义为 Skowron于1992年提出了辨识矩阵和辨识函数的概 M=M(x,y）, 念，利用辨识矩阵和辨识函数实现了属性约简， 式中：M(x,y)定义为 并得到了广泛的研究).然而，基于辨识矩阵的属 M(x,y）= ∫a∈Clfx,a)≠fy,a)fx,D)≠fy,D); 收稿日期：2012-09-25.网络出版日期：2013-04-09 基金项目：山东省高等学校科技计划资助项目(J12LN91):山东省信 l0,其他. 息化与工业化融合专项课题资助项目(2012E100). 显然，矩阵M中元素M(x,y)是由处于不同决策类 通信作者：杨成东，E-mail:yangchengdong@yu.edu.cm. 中的对象x和y属性值不同的属性组成