多粒度粗糙集模型非动态属性约简算法HRAM

以上各实验结果介绍如下：

（1）多粒度粗糙集模型非动态属性约简算法HRAM 和粗糙集属性约简算法CAR 结果比较.

针对不同的数据集，用粗糙集属性约简算法CAR 运行每一个数据集，另外把每个数据集均匀分成3 个子数据集，然后用多粒度粗糙集模型非动态属性约简算法HRAM 运行这些数据集.实验仿真结果如表6-6 所示.由于算法CAR、HRAM 计算的属性约简数目、属性约简数值是一样的，所以在表6-6 中对算法HRAM 仅列出计算时间.结果表明：多粒度粗糙集模型非动态属性约简算法和粗糙集属性约简算法CAR 所得到的属性约简数目、属性约简数值是相等的，但是，多粒度粗糙集模型非动态属性约简算法的运行时间小于粗糙集属性约简算法CAR 的运行时间.因此，多粒度粗糙集模型动态属性约简算法在实际生活中具有较好的适应性.

表6-6　比较算法CAR 和HRAM 的运行结果

（2）对象发生变化时，多粒度粗糙集模型动态属性约简算法更新时间和多粒度粗糙集模型非动态属性约简算法更新结果比较.

当对象增加到决策信息系统或者从决策信息系统删除时，分别用多粒度粗糙集模型动态属性约简算法和多粒度粗糙集模型非动态属性约简算法来运行每个数据集，实验结果如表6-7 和表6-8 所示.分别把大小不同的对象增加到决策信息系统或者从决策信息系统删除并进行测试，仿真分析结果如图6-2 和图6-3 中的各个子图所示.图6-2 中的X 轴为增加的大小不同对象集，Y 轴为更新约简的运行时间，单位为秒（s）.图6-3 中的X 轴为删除的大小不同的对象集，Y 轴为更新约简运行时间，单位为秒（s）.图中圆圈线表示多粒度粗糙集模型动态属性约简的运行时间，方格线表示多粒度粗糙集模型非动态属性约简的运行时间.表6-7、表6-8、图6-2 和图6-3 显示：随着决策信息系统对象集的增加，多粒度粗糙集模型动态属性约简算法和多粒度粗糙集模型非动态属性约简算法的运行时间都有所增加，但多粒度粗糙集模型非动态属性约简算法的运行时间增加得更多.因此，多粒度粗糙集模型动态属性约简算法优于多粒度粗糙集模型非动态属性约简算法.

表6-7　比较算法HRAM 和UARAO 的运行时间（s）

表6-8　比较算法HRAM 和UARDO 的运行时间（s）

(www.xing528.com)

图6-2　对象增加时算法UARAO 运行时间与算法HRAM 运行时间比较

图6-3　对象删除时算法UARDO 运行时间与算法HRAM 运行时间比较

（3）对象发生变化时，多粒度粗糙集模型动态属性约简算法和多粒度粗糙集模型非动态属性约简算法的分类精确度结果比较.

当对象增加或删除时，运用十字交叉方法分别对多粒度粗糙集模型动态属性约简算法和多粒度粗糙集模型非动态属性约简算法所获得的属性约简的分类精确度进行分析，用贝叶斯分类方法运行每个数据集，实验仿真结果如表6-9 所示.结果表明：对于一些数据集，多粒度粗糙集模型动态属性约简算法得到的属性约简的分类精确度和多粒度粗糙集模型非动态属性约简算法得到的属性约简的分类精确度是相等的，甚至在某些数据集，多粒度粗糙集模型动态属性约简算法得到的属性约简的分类精确度高于多粒度粗糙集模型非动态属性约简算法得到的属性约简的分类精确度.因此，多粒度粗糙集模型动态属性约简算法能够有效处理动态变化的数据集.

表6-9　比较算法HRAM、UARAO 和UARDO 的分类精确度（%）