广义不完备区间值信息系统的属性约简.docx

广义不完备区间值信息系统的属性约简
1.引言
近年来，信息系统的数据规模和维度增长非常快，属性约简作为一种数据降维的方法被广泛应用。在面对大规模、高维度的数据集时，属性约简可以对数据进行筛选，剔除冗余属性，减少数据处理的时间和空间复杂度。在实际应用中，属性约简可以帮助我们更有效的处理数据，提高数据处理效率。
本文主要研究广义不完备区间值信息系统的属性约简，首先介绍信息系统的基本概念，然后详细介绍广义不完备区间值信息系统及其属性约简方法，并通过实例说明方法的适用性和有效性。
2.基本概念
在正式介绍广义不完备区间值信息系统及其属性约简方法前，首先需要了解一些基本概念。
2.1信息系统
信息系统是由一组属性和相应的取值域以及一个决策集合组成。其中属性包括决策属性和条件属性，取值域可以是实数、整数、字符等类型。决策集合表示系统中所有可能的决策，例如判断一名学生是否被录取，决策集合可以由“被录取”和“未被录取”两种可能情况构成。
2.2决策规则
决策规则是一个条件属性和一个决策属性之间的关联关系，用一个二元组表示。例如，属性A、B和决策C之间的决策规则可以表示为(A,B)→C。
2.3决策表
决策表是一种二维表格，用于表示信息系统的属性和决策规则。表格中的每一行表示一个样本，每一列表示一个属性或决策规则。例如下图所示的决策表表示了一个学生录取系统的信息。
|名字|性别|年龄|成绩|录取结果|
|------|------|------|------|----------|
|张三|男|20|95|录取|
|李四|女|22|88|未录取|
|王五|男|19|78|录取|
|赵六|女|21|92|未录取|
3.广义不完备区间值信息系统
广义不完备区间值信息系统是指信息系统中属性取值不唯一的情况，即每个属性的取值是一个区间值而非一个确定值。这种情况下，属性的取值无法精确定义，需要使用区间值来描述。例如，某个学生的成绩为[80,90]，表示该学生的成绩在80到90之间。
在广义不完备区间值信息系统中，决策规则的定义也需要相应变化，称为区间规则。区间规则包含一个条件属性和一个决策属性之间的区间关联关系。例如，一个成绩在[80,90]之间的学生录取结果为“录取”，可以表示为：成绩∈[80,90]→录取。其中”∈”表示一个值在某个区间范围内。
4.属性约简方法
在广义不完备区间值信息系统中，决策表的属性不仅包括离散值，也包括连续值。属性约简的目的是去除信息系统中的冗余属性，保留最具代表性的属性，从而降低信息处理的时间和空间复杂度。属性约简可以使用多种方法进行实现，本文介绍基于模糊粗糙分类的属性约简方法。
4.1模糊粗糙分类
模糊粗糙分类是基于模糊集和粗糙集理论的分类方法。模糊粗糙分类使用模糊集表示属性取值和区间规则之间的相似性度量。模糊集是一种非精确的数学工具，不同于传统的精确逻辑。使用模糊集可以表示属性取值和规则之间的模糊集数值，反映不确定性和模糊性。
粗糙集理论是研究不同属性取值间的包容关系和逼近关系的一门数学理论。它使用粗糙近似度来刻画属性取值之间的关系。粗糙近似度定义了两个属性集合的相似性度量，通过计算属性之间的相似性来帮助属性约简。
4.2基于模糊粗糙分类的属性约简方法
基于模糊粗糙分类的属性约简方法主要包括以下步骤：
（1）将广义不完备区间值信息系统转换为模糊不完备信息系统，并将连续属性离散化；
（2）基于模糊集理论计算属性之间的相似度；
（3）基于粗糙集理论计算属性的约简度，并进行属性约简；
（4）对属性约简的结果进行评价和验证。
以上步骤中，第一步会将广义不完备区间值信息系统转化成模糊不完备信息系统，以便于后续的计算和处理。第二步使用模糊集理论来计算属性之间的相似度，此时每个属性的值已经被转换为模糊集，相似度的计算是基于模糊集的属性值计算，而不是精确值。第三步基于粗糙集理论计算属性的约简度，并进行属性约简。约简度表示属性的决策价值，依据该值从小到大进行排序，将排序后的属性进行约简，得出最终结果。第四步对结果进行评价和验证，判断是否合理和有效，进一步优化结果。
5.实例分析
在广义不完备区间值信息系统中，属性的取值是不精确定义的，需要使用区间值来描述，例如，某个学生的成绩为[80,90]，表示该学生的成绩在80到90之间。以下是一个广义不完备区间值信息系统示例：
|身高|体重|年龄|收入水平|信用评级|
|--------|--------|--------|---------|-----------|
|[160,170]|[50,60]|[18,25]|[3000,10000]|优秀|
|[170,180]|[70,80]|[26,30]|[5000,15000]|良好|
|[170,180]|[60,70]|[26,35]|[5