基于邻域区分度的不完备混合数据属性约简方法

孙 林，李梦梦，徐久成

(河南师范大学 计算机与信息工程学院，新乡 453007)

随着大数据处理技术的发展，属性约简在数据挖掘、机器学习等领域中发挥着非常重要的作用[1].在日常生产生活中，由于数据采集过程中存在测量误差、设备故障、人为遗漏等意外因素，导致出现大量的属性值缺失的不完备数据[2].在实际应用中，符号型和数值型混合的不完备决策系统也是一种常见的信息系统类型[3-4].邻域粗糙集理论[5]是一种处理混合型不完备决策系统的常用有效模型[6-7].文献[8]针对不完备混合型决策表，提出了一种基于邻域容差条件熵的邻域粗糙集特征选择算法.文献[3]结合Lebesgue测度和熵度量，提出了不完备混合邻域决策系统的特征选择算法.但是，上述处理不完备数据的属性约简模型仍存在没有实施更有效的度量机制，未能精准评估属性集之间的依赖关系，以及算法效率偏低等问题.

信息系统的区分度是一种非常有效的属性集度量函数.文献[9]定义可区分度来度量信息系统中属性重要性，设计了一种启发式约简算法，并通过实验证明了基于区分度属性约简算法的高效性.文献[10]基于矩阵构造区分度，提出了一种增量式属性约简算法.文献[11]针对混合数据提出了基于邻域区分度的增量式属性约简算法.因此，区分度是构造属性约简的一种重要度量方法，不仅可以更加准确地度量属性集之间的依赖关系，而且具有计算时间复杂度低……