张雨新 孙达明 李 飞

1(唐山工业职业技术学院信息工程系 河北 唐山 063299)

2(东北大学计算中心 河北 秦皇岛 066004)

0 引 言

属性约简[1-2]又称为特征选择，目前在机器学习和数据挖掘等领域发挥了很重要的作用[3]。然而在实际工程应用中，数据集往往是不断动态增加的，而传统的属性约简算法进行运用时会产生大量的重复计算和时间开销，不利于实际的应用。为了改善这一局限性，学者们将增量式学习应用在传统的属性约简中，提出了增量式的属性约简方法[4-5]，从而满足了动态数据集属性约简的时效性。

不完备信息系统[6]是一种常见的信息系统类型，即数据集中的某些属性值是缺失的。对于这类数据集，学者们不断地进行了增量式的属性约简研究。Meng等[7]基于不完备信息系统的正区域提出了一种快速的属性约简算法，用来提高对于动态数据的属性约简效率。Shu等[8]针对不完备信息系统属性变化的情形，提出了正区域的增量式更新，进而构造出了相应的增量式属性约简算法。针对这类问题，李成等[9]也提出了类似的算法，同时Shu等[10]针对不完备信息系统对象增加的情形，设计了一种新的增量式属性约简算法。进一步地，Shu等[11]提出了一种改进的增量式属性约简算法，优化了原先算法的效率。根据一致性度量，Xie等[12]在对象增加、属性增加、属性值变化方面，提出了一种新的增量式属性约简算法。针对区分矩阵的方法，丁棉卫等[13]提出了一种二进制区分矩阵的不完备系统增量式属性约简算法。……