用于层次分类的高效属性缩减算法：基于区分性属性的方法 魏瑞琳（Ruilin Wei）、 张楠（Nan Zhang）和 何宇轩（Yuxuan He）

《Symmetry》：Efficient Attribute Reduction Algorithms Using Discernibility Attributes for Hierarchical Classification Ruilin Wei, Nan Zhang and Yuxuan He

　　

摘要

属性简化（也称为特征选择）旨在寻找最小的属性子集，是粗糙集理论（RST）中的一个重要课题。传统的基于粗糙集的属性简化方法仅适用于具有单一标签级别的决策系统，无法在多层次标签级别之间获得属性简化结果，从而导致计算效率低下。为了解决这个问题，本文提出了一种新的方法，可以在不同标签级别之间生成双向属性简化结果。首先，我们通过分析不同标签级别上的决策类之间的关系，建立了从粗标签级别到细标签级别的简化关系；随后，通过研究不同标签级别之间正区域之间的联系，构建了从细标签级别到粗标签级别的简化关系。基于这些关系，我们开发了两种高效的属性简化算法，能够快速地从一个标签级别的简化结果计算出另一个标签级别的简化结果。在十二个UCI数据集上的实验结果表明，所提出的算法运行时间比其他四种方法更短，同时仍能保持较高的分类准确率。