赵立威,张楠,2*,张中喜,2

(1.烟台大学 数据科学与智能技术山东省高校重点实验室,山东 烟台 264005;2.烟台大学 计算机与控制工程学院,山东 烟台 264005)

0 引言

粗糙集理论[1]是数据分析处理的一种工具。属性约简[1-4]是粗糙集理论中重要的研究方向之一,目的是将知识系统中不必要的属性删除,从而提高计算机处理数据的效率。伴随着大规模高维数据的迅速膨胀,数据中大量冗余属性造成计算机的计算效率低下,而属性约简能够对数据进行有效的降维。

目前,在实际的应用当中,有大量基于序关系的问题存在。与经典粗糙集理论中按照等价关系进行分类不同,序关系是将序决策系统中的属性值以递增或者递减的方式进行排序,且在优势关系下定义的优势类与劣势类构成了对于论域集合的覆盖。如今,基于序关系的粗糙集理论已有诸多学者进行了大量的研究[5-11]。徐伟华等[12-15]对序关系与粗糙集理论的结合做了大量的研究和工作。Qian等[16-17]将序关系引入到了区间值与集值粗糙集模型中。

基于贪心策略的启发式属性约简是主要的属性约简方法之一,通过启发式属性约简方法能够相对快速地求出其中一个约简结果。但当面对大规模高维数据时,其约简效率仍然低下,为了能够快速计算出约简结果,大量的学者针对启发式属性约简算法进行了优化与改进。Fan等[18]提出了广义不可分辨约简模型以及粒度结构的概念,在此基础上提出了基于广义正域的加速策略。……