李智远 饶先胜 宋晶晶* 杨习贝

1(江苏师范大学科文学院 江苏 徐州 221116) 2(江苏科技大学计算机学院 江苏 镇江 212003)

0 引 言

属性约简，作为粗糙集理论研究的核心问题，不仅能有效降低数据的维度，且所得约简结果具有明确的语义解释，因而受到广泛的关注[1-7]。所谓属性约简，是指利用在某种度量标准上构造的约束条件，删除数据中冗余的属性，以提升后续学习算法的性能[8-9]。

在粗糙集理论中，近似质量[10]作为一种常用的度量标准，可以用于刻画样本空间的不确定性。具体而言，近似质量用下近似集合中的样本占所有样本比例的大小来表征不确定性的程度。近似质量的变化可以表现为下近似集合中样本数目的变化。以近似质量度量标准构造约束条件，采用前向贪心搜索算法，可以计算得到一个约简结果。值得注意的是，文献[11]指出，在求解约简的过程中，这一约简策略并未考虑到每一个决策类的下近似集合在约简前后的变化情况。也就是说，计算得到的约简并不一定会使得与每一个决策类的下近似有关的约束条件得到满足。因此，李智远等[11]从单个决策类的角度研究了这一问题，提出了类别近似质量和类别近似质量约简的定义，并设计了相应的算法来计算类别近似质量约简。

通过使用前向贪心搜索策略，求解类别近似质量约简，对于每个决策类，可以得到使其近似质量不发生降低的属性子集。与传统的近似质量约简求解的过程不同，求解类别近似质量约简，对于每个决策类会得到一个约简结果。……