论文部分内容阅读
属性约简在粗糙集理论研究中一直占据重要位置。为了能够更加快速有效的获得决策表中属性的最优约简。提出了一种新的启发信息遗传算法的粗糙集属性约简算法。引入属性频率作为启发式信息构造适应度函数,相比于传统矩阵方法,减少了大量矩阵操作。在交叉操作时,基于属性重要度的特性,引入判别属性相似度这一操作,父代相似个体不进行交叉,避免了不必要的个体交叉。实验结果表明,该算法比传统方法更准确的获得关键属性,且迭代的次数更少,能更有效地约简属性。