高效属性约简算法研究成果

许多决策信息系统在现实生活中都会随着时间的变化而变化，用传统属性约简算法求解动态变化数据属性约简时，需要耗费大量的计算时间并占用较多的内存空间，导致运行速度较慢，如何动态更新属性约简并提高数据挖掘效率成为学者们普遍关注的一个问题.近年来，许多研究者开始研究动态决策信息系统属性约简高效算法，以提高计算速度和分类精度.由于决策信息系统中对象集、属性集和属性值在现实生活中都可能会发生变化，许多学者分别从这三大要素变化方面对粗糙集中动态属性约简算法进行了研究.

（1）决策信息系统中对象集变化.

刘洋等针对决策信息系统对象集动态更新问题，分析了决策信息系统中对象增加时差别矩阵动态更新的机制，提出了一种对象集动态增加时增量特征选择方法[119].刘薇等分析了决策信息系统中对象增加时信息熵的增量更新机制和数学表示形式，提出了一种对象集动态增加时增量属性约简算法[94]。Xu 等分析了一些对象增加到决策信息系统情况下属性约简的更新机理，在0-1 运算基础上，提出了一种对象集动态增加时增量属性约简算法[120].Liang 等分析了一些对象增加到决策信息系统情况下三种信息熵的变化机制，提出了一种对象集动态增加时增量特征选择方法[121].杨明针对决策信息系统对象集动态更新问题，对差别矩阵进行改进，分析了决策信息系统中对象增加时改进差别矩阵动态更新的机制，设计了增量特征选择方法[122].罗来鹏根据决策信息系统对象动态增加情况，分析了二叉树增量更新机制，提出了基于对象动态增加时的增量属性约简算法[123].钱文彬等分析了决策信息系统对象增加时核属性的动态更新机制，并在信息熵的基础上，提出了基于对象动态变化下的核属性增量更新算法[124].Jiang等根据决策树自适应算法，提出了增量属性约简算法，并把所提出的增量属性约简算法应用到网络入侵数据检测中[125].当决策信息系统增加一个对象时，Fan 等提出了决策规则增量更新策略[126].在覆盖粗糙集模型下，Lang 等针对对象集动态更新问题，提出了基于对象动态变化下的增量属性约简算法[127].谭旭在条件熵下定义了辨识矩阵的概念，分析了决策信息系统中对象增加时辨识矩阵动态更新机制，设计了增量特征选择方法[128].官礼和等根据决策信息系统中对象变化情况下的信息粒度增量更新原理，在属性序下辨识矩阵的基础上，设计了基于对象动态变化下的增量属性约简算法[129].

（2）决策信息系统中属性集变化.

Qian 等根据决策信息系统中属性动态增加和减少情况下信息粒度的变化规律，提出了正向近似和逆向近似，并成功应用于启发式属性约简算法的加速，为基于粗糙集的知识发现性能优化提供了新思路[130].Wang 等分析了决策信息系统中属性随着时间变化而增加情况下三种信息熵增量更新原理和数学转化关系，提出了一种属性集动态变化增量属性约简算法[131].王磊等定义了决策信息系统知识粒度矩阵表示形式，并将其运用到属性约简算法中[132]，又进一步分析了属性动态变化下用矩阵方法计算知识粒度的增量更新原理，提出了一种属性集动态变化增量属性约简算法[133].在混合决策信息系统中，Zeng 等给出了一种新的混合距离概念，结合混合距离和高斯核，分析了决策信息系统在属性变化下属性约简的增量更新机制，设计了基于模糊粗糙集的增量特征选择方法[134].(www.xing528.com)

另外，Shu 等分析了不完备信息系统中属性集动态增加或删除情况下决策信息系统正区域的动态更新机制，提出了一种属性集动态变化下正区域增量属性约简方法[135].Chan 等在单个属性增加或删除情况下，提出了粗糙概念近似的动态属性约简算法[136].Li 等针对属性随着时间变化而发生变化的情况，设计了特性关系粗糙集模型下增量特征选择算法[137].在模糊粗糙集模型下，Cheng 等提出了基于属性动态变化下的增量属性约简高效算法[138].夏富春等给出了属性增加时增量更新核属性和属性约简的增量更新机制和数学表示形式，提出了基于属性增加下的增量属性约简算法[139].在多粒度粗糙集模型下，Yang 等给出了近似集和属性约简的增量更新机制，提出了多粒度粗糙集模型动态属性约简、近似集的增量策略和算法[140].我们也给出了决策信息系统中属性增加时利用矩阵方法计算知识粒度的增量更新机制，提出了基于属性增加下的增量属性约简算法[141].

（3）决策信息系统中属性值变化.

Wang 等分析了一些对象的属性值发生变化情况下三种信息熵的增量更新机制，提出了一种属性值动态变化增量属性约简算法[142].在变精度粗糙集模型中，王磊等针对决策信息系统属性值发生变化情况，分析了近似集增量更新机制，设计了相应的近似集增量算法[143].在不完备有序决策系统中，Chen 等讨论了属性值变化下优势特性关系粗糙集模型中近似集更新的原理，设计了向上向下近似集及属性值约简增量更新算法[144].季晓岚等针对决策信息系统属性值发生粗化、细化，给出了优势关系下决策信息系统近似集增量更新算法[145].Chen 等针对决策信息系统属性值发生粗化、细化，建立了决策规则增量更新数学表示形式和关联规则增量算法[146].Lang等针对集值决策信息系统中属性值随着时间动态变化的问题，在不可分辨矩阵基础上，提出了属性值更新后增量属性约简算法[147].我们也针对决策信息系统多个属性值发生更改，提出了基于知识粒度的群增量属性约简算法，并通过理论分析和实验仿真，验证了该属性约简算法的有效性[164].

综合上述分析可知，针对决策信息系统中属性、对象和属性值变化的动态属性约简算法已经取得较多的研究成果，但随着决策信息系统数据量和复杂性的增加以及人们对知识发现的实时性和准确性有了更高的要求，如何利用粗糙集理论去寻求一种改进的动态属性约简算法，以便于更好地解决决策信息系统中数据动态变化下知识发现问题，已经成为当前信息领域研究中亟须解决的一个重要课题.