基于集成学习的决策粗糙集特定类属性约简算法

李 明 甘秀娜 王月波

1(石家庄铁道大学四方学院经济管理系 河北 石家庄 051132)2(石家庄铁路职业技术学院组织人事部 河北 石家庄 050041)3(河北银行股份有限公司信息技术部 河北 石家庄 050000)

0 引 言

粗糙集模型是目前处理不确定性数据的一种重要的机器学习和数据挖掘理论[1]，近年来受到学者们的广泛关注和研究。决策粗糙集模型[2]是传统粗糙集的重要延伸，Yao[2]通过在决策粗糙集中融入最小化决策代价的原则，提出了三支决策理论，进一步地扩大决策粗糙集的应用范围[3]，目前决策粗糙集与三支决策已成功运用于数据挖掘等各个领域[4-6]。

属性约简是粗糙集理论的主要研究内容[1]，在决策粗糙集模型中，学者们提出了多种属性约简方法。第一类为基于正区域的属性约简，例如：Yao等[7]在决策粗糙集中提出了正区域属性约简，这也是决策粗糙集模型最早的属性约简方法；Ma等[8]对文献[7]方法进一步改进，将决策边界域和决策负区域也加入到决策区域属性约简的范畴，提出了保持决策区域的属性约简算法；Meng等[9]在算法的效率上进行改进，提出了一种正区域的快速决策粗糙集属性约简；Gao等[10]通过信息熵的视角，提出一种最大决策熵的决策粗糙集属性约简算法；姚晟等[11]进一步对正区域属性约简进行改进，提出一种决策区域最大化的决策粗糙集属性约简。第二类为基于决策代价的属性约简方法，Jia等[12-13]在决策粗糙集中定义了最小化决策代价属性约简，并设计了多种相应的启发式属性约简算法；……