广义分布保持属性约简：新方法与应用分析

"《广义分布保持属性约简研究》是一篇发表于2017年第3期智能系统学报的研究论文，作者为高学义、张楠、童向荣和姜丽丽，他们来自烟台大学数据科学与智能技术山东省高校重点实验室和计算机与控制工程学院。该论文聚焦于粗糙集理论中的一个重要领域——属性约简。 属性约简是粗糙集理论中的基础概念，其核心目标是在不损失决策系统性能的前提下，减少输入属性的数量。传统的分布保持属性约简确保约简前后每个对象的概率分布保持不变，这意味着规则的置信度在约简过程中不会受到影响。然而，实际应用中，人们更倾向于关注置信度较高的规则。为此，本文提出了广义分布保持属性约简，这种约简方法能够保证规则的置信度P落在特定区间（0, α]或[β, 1]内，在约简前后保持不变。 文中详细介绍了广义分布保持属性约简的判定方法和基于差别矩阵的广义分布保持属性约简算法，探讨了在特定条件下的实现策略。论文特别关注了几种特殊情况下的广义分布保持约简，证明它们可以退化为已有的属性约简形式。此外，通过在四个UCI数据集上的实验分析，研究者证实了不同置信区间下的广义分布保持属性约简存在包含关系，从而验证了所提出的理论的实用性。 关键词包括分布保持、属性约简、粗糙集、概率分布和差别矩阵。这篇论文的中图分类号为TP181，文献标志码为A，文章编号为1673-4785（2017）03-0377-09。引用时，应参考提供的中文和英文引用格式。 《广义分布保持属性约简研究》提供了一种新的属性约简方法，它在保持置信度稳定性的前提下，扩展了传统粗糙集理论的应用范围，对于提高决策系统的效率和精度具有重要意义。"