极大相容块驱动的粗糙度量与属性约简优化方法

本文主要探讨了"基于极大相容块的粗糙性度量及其属性约简"这一主题，发表于2012年4月的《合肥工业大学学报(自然科学版)》。作者江效尧、程玉胜和胡林生针对不完备信息系统中的一个重要问题——由于相似关系或相容关系的非传递性和非对称性导致的相容类或相似类之间的误判，提出了一种新的研究方法。 在原有的理论框架下，作者引入了极大相容块的思想，这是对非等价关系基础知识粒度构造的一种创新性探索。他们研究了如何通过最大化相容性来构建更精确的知识粒度，这有助于减少因粒度过粗而引起的误判。文章进一步发展了在特定粒度下粗糙性度量的理论，提出了基于极大相容块的知识粗糙性的新定义，以及极大相容块的条件信息熵概念，这些都具有重要的理论价值，并证明了相关的性质。 在粗糙集理论的应用中，条件信息熵是一种关键的度量工具，它能帮助评估属性的重要性。通过极大相容块的视角，作者给出了一个启发式属性约简算法，该算法旨在优化属性选择，以避免传统意义上的粒度过粗问题，提升知识粗糙性的精度。实验证明，这个方法能够有效地提高粗糙性度量的准确性，对于不完备信息系统的数据处理和分析具有显著的实际应用价值。 这篇文章不仅深化了粗糙集理论的理解，而且提供了一种实用的工具，用于解决不完备信息系统中关于粗糙性度量和属性约简的问题，对于提升数据挖掘和知识发现的效率具有重要意义。