基于GA-PSO的粗糙集属性约简算法

J4 ›› 2015, Vol. 37 ›› Issue (02): 397-401.

基于GA-PSO的粗糙集属性约简算法

戴上平，刘素军，郑素菲

（华中师范大学计算机学院，湖北武汉 430079）

收稿日期:2014-06-03 修回日期:2014-08-03 出版日期:2015-02-25 发布日期:2015-02-25

A GA-PSO based attribute reduction algorithm for rough set

DAI Shangping,LIU Sujun,ZHENG Sufei

（School of Computer Science,Central China Normal University,Wuhan 430079,China）

Received:2014-06-03 Revised:2014-08-03 Online:2015-02-25 Published:2015-02-25

摘要/Abstract

摘要：

属性约简是粗糙集合研究的重要内容之一。为了能够有效地获取决策表中属性最小相对约简，提出了一种基于GAPSO的属性约简算法。该算法以条件属性对决策属性的支持度为基础，求解核属性，把所有的条件属性(除去核属性)加入粒子群算法的初始种群中，并用遗传算法对不满足适应度条件的粒子进行交叉变异操作。实验结果表明，该算法在加强局部搜索能力的同时保持了该算法全局寻优的特性，能够快速有效地获得最小相对属性集。关键词：

关键词: 粗糙集, 属性约简, GA-PSO, 核

Abstract:

Attribute reduction is one of the main contents in rough set theory study.In order to achieve attribute reduction effectively,a GAPSO based attribute reduction algorithm for rough set is proposed.According to the dependability of the decision attributes to the condition attributes,the proposed algorithm can calculate the core attributes.All the condition attributes except the core attributes are added to the initial population of the PSO (Particle Swarm Optimization) algorithm,and then the crossover and mutation operations of the genetic algorithm are performed on the particles that do not meet the fitness conditions.Experimental results show that the algorithm can enhance the local search ability as well as maintain the feature of global optimization,and calculate the minimum relative attribute set quickly and effectively.

Key words: rough set;attribute reduction;GA-PSO;core

戴上平，刘素军，郑素菲. 基于GA-PSO的粗糙集属性约简算法[J]. J4, 2015, 37(02): 397-401.

DAI Shangping,LIU Sujun,ZHENG Sufei. A GA-PSO based attribute reduction algorithm for rough set[J]. J4, 2015, 37(02): 397-401.

[1]	田玉恒,马胜,鲁建壮,杨柳. 一种高效的DMA核间同步传输方法[J]. J4, 20160101, 38(01): 52-56.
[2]	施禹, 董攀, 张利军. 一种不规则稀疏矩阵的SpMV方法[J]. 计算机工程与科学, 2024, 46(07): 1175-1184.
[3]	张家豪, 邓金易, 尹首一, 魏少军, 胡杨. 基于Actor模型的众核数据流硬件架构探索[J]. 计算机工程与科学, 2024, 46(06): 959-967.
[4]	付晓, 苏醒, 董德尊, 钱程东. 面向众核CPU的稠密线性求解器性能评测与优化[J]. 计算机工程与科学, 2024, 46(06): 984-992.
[5]	陈杰, 李程, 刘仲. 面向多核向量加速器的卷积神经网络推理和训练向量化方法[J]. 计算机工程与科学, 2024, 46(04): 580-589.
[6]	刘仲, 李程, 田希, 刘胜, 邓让钰, 钱程东. MVSim：面向VLIW多核向量处理器的快速、可扩展和精确的体系结构模拟器[J]. 计算机工程与科学, 2024, 46(02): 191-199.
[7]	钟卓辉, 陈黎飞, . 基于模型的非凸聚类算法[J]. 计算机工程与科学, 2024, 46(02): 292-302.
[8]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[9]	王继昌, 吕高锋, 刘忠沛, 杨翔瑞. 基于数据处理器的QUIC加密/解密卸载[J]. 计算机工程与科学, 2023, 45(11): 1960-1969.
[10]	王鑫, 彭健. 基于HYB格式SpMV在新一代申威架构上的实现与优化[J]. 计算机工程与科学, 2023, 45(10): 1754-1762.
[11]	李宝民, 王小鹏, 孙茜容, 张军平. 基于概率两阶段CenterNet2的林火图像预警检测方法[J]. 计算机工程与科学, 2023, 45(10): 1884-1890.
[12]	张立, 黎铁军, 张建民. 一种面向蒙特卡洛程序的128核可扩展体系结构[J]. 计算机工程与科学, 2023, 45(04): 590-598.
[13]	臧照虎, 李晨, 王耀华, 陈小文, 郭阳. 面向众核系统的层次化栅栏同步机制[J]. 计算机工程与科学, 2022, 44(11): 1901-1908.
[14]	刘从军, 徐佳陈, 肖志勇, 柴志雷. 基于深度学习的心脏核磁共振图像自动分割算法[J]. 计算机工程与科学, 2022, 44(09): 1646-1654.
[15]	甘秋云. ED算法和SNP-index算法计算SNP位点的比较分析——以拟南芥为例[J]. 计算机工程与科学, 2022, 44(04): 707-712.