摘 要 屬性約簡(jiǎn)是粗糙集理論中核心內(nèi)容之一，本文首先分析了區(qū)分矩陣的特性，給出經(jīng)典的區(qū)分矩陣算法。然后，鑒于區(qū)分矩陣存在的空間復(fù)雜度高的缺點(diǎn)，提出一種基于區(qū)分鏈表的屬性約簡(jiǎn)改進(jìn)算法，將對(duì)象數(shù)為n的區(qū)分矩陣大小由n(n-1)/2至少壓縮到|U/R|x|U/R|-1）/2，降低了算法的空間復(fù)雜度，更適用于大數(shù)據(jù)量的情況。

關(guān)鍵詞 粗糙集；區(qū)分矩陣；屬性約簡(jiǎn)；區(qū)分線性表

1 引言

粗糙集(Rough Set ,RS) 理論是 Z.Pawlak 提出的一種處理不一致、不完整數(shù)據(jù)和不精確知識(shí)表達(dá)等各種不完備信息的數(shù)學(xué)理論[1]。其中屬性約簡(jiǎn)是粗糙集理論中核心內(nèi)容之一，現(xiàn)已證明是典型的NP難題[2，3]。所謂屬性約簡(jiǎn)是指在保證信息系統(tǒng)分類(lèi)能力或決策能力不變的條件下，刪除屬性集中的冗余屬性。屬性約簡(jiǎn)在分類(lèi)學(xué)習(xí)及分類(lèi)數(shù)據(jù)挖掘中具有重要的作用，目前國(guó)內(nèi)外學(xué)術(shù)界在屬性約簡(jiǎn)方面已經(jīng)做了大量研究，并得到了許多有效的算法[4~6]。文獻(xiàn)[4] 深入分析了算法低效性的根源,給出了高效的約簡(jiǎn)算法；文獻(xiàn)[5]給出了基于信息論的方法；文獻(xiàn)[6]利用正區(qū)域的啟發(fā)式信息給出了兩種屬性相對(duì)約簡(jiǎn)算法；其中應(yīng)用較多的是基于華沙大學(xué)數(shù)學(xué)家Skowron提出差別矩陣[7]以及在此基礎(chǔ)上的一些改進(jìn)[9~11]，由于這種基于區(qū)分矩陣方法易于解釋和計(jì)算核屬性,同時(shí)也便于約簡(jiǎn)，該方法為屬性約簡(jiǎn)算法提供了一種很好的思路。然而，基于區(qū)分矩陣的屬性約簡(jiǎn)算法對(duì)對(duì)象數(shù)為n的區(qū)分矩陣大小為n(n-1)/2，不適用于大數(shù)據(jù)量的情況，所以本文給出了一種改進(jìn)算法，將空間復(fù)雜度至少壓縮到|U/R|x|U/R|-1）/2，該算法大大降低了算法的空間復(fù)雜度，適用于大數(shù)據(jù)量的情況。

2 基本概念

定義1[2]：設(shè)U為一個(gè)有限的非空論域，R為U上的等價(jià)關(guān)系。等價(jià)關(guān)系R 把集合U 劃分為多個(gè)互不相交的子集，每一個(gè)子集稱(chēng)為一個(gè)等價(jià)類(lèi)，用[x]R表示，[x]R={y∈U|xRy}，其中x∈U，x∈y稱(chēng)為關(guān)于R 的等價(jià)關(guān)系，論域U上的所有等價(jià)類(lèi)的集合用U/ R來(lái)表示。

定義2[2]：令R為一族等價(jià)關(guān)系，r R,如果 IND(R)= IND(R-{r}),則稱(chēng)r為R中不必要的；否則r為R中必要的[2]，若R中任意一個(gè)等價(jià)關(guān)系r都是必要的，則稱(chēng)R是獨(dú)立的，否則稱(chēng)R是依賴(lài)的。

定義3[8]：設(shè)，若Q是獨(dú)立的，且IND(Q)=IND(P)，則Q是等價(jià)關(guān)系族P的一個(gè)約簡(jiǎn)。

定義4[8]：設(shè)P和Q是論域U上的等價(jià)關(guān)系，Q的P正域記作POSP(Q)，定義為：

Q的P正域是U中所有根據(jù)U/P的信息準(zhǔn)確分類(lèi)到關(guān)系Q的等價(jià)關(guān)系中去的對(duì)象構(gòu)成的集合。

定義5[8]：設(shè)P和Q是論域U上的等價(jià)關(guān)系，R∈P，若

POSP(Q) =POS(P-{R})(Q)

則稱(chēng)R為P中Q不必要的，否則稱(chēng)R為P中Q必要的。

若P中任意一關(guān)系R都是Q必要的，則稱(chēng)P是Q獨(dú)立的(相對(duì)于Q獨(dú)立的)。

定義6[2]：設(shè) SP，S為P的Q約簡(jiǎn)，當(dāng)且僅當(dāng)S是P的Q是獨(dú)立的子集，且POSS(Q) =POSP(Q). P的Q約簡(jiǎn)稱(chēng)為相對(duì)約簡(jiǎn)。

定義7：區(qū)分矩陣是華沙大學(xué)數(shù)學(xué)家Skowron[7]提出的，對(duì)于系統(tǒng)S=(U,A),其中A=C∪D, a(x)是x在屬性a上的值,區(qū)分矩陣M為：

同時(shí)分辨矩陣中的核就是組合數(shù)為1的屬性。

3 基于區(qū)分鏈表的屬性約簡(jiǎn)改進(jìn)算法

區(qū)分矩陣的空間復(fù)雜度為n(n-1)/2,保存著論域中兩兩對(duì)象的可區(qū)分屬性.在論域關(guān)于屬性集劃分中，同一個(gè)等價(jià)類(lèi)的對(duì)象兩兩在區(qū)分矩陣中的元素為空，而且與其他等價(jià)類(lèi)的對(duì)象所構(gòu)成的區(qū)分矩陣中的元素完全相同，因此從每一個(gè)等價(jià)類(lèi)中只取一個(gè)對(duì)象構(gòu)造的新的論域，其約簡(jiǎn)與原來(lái)的相同,而空間復(fù)雜度最多為|U/R|x|U/R|-1）/2.

區(qū)分矩陣Matrix的某元素Matrix[i][j]，是區(qū)分對(duì)象U[i]與U[j]的條件屬性集，由于在合取吸取運(yùn)算中，參數(shù)i、j并沒(méi)有實(shí)際價(jià)值，因此改用區(qū)分鏈表List來(lái)取代區(qū)分矩陣。在構(gòu)造區(qū)分鏈表前，先定義存儲(chǔ)核屬性的變量core，可區(qū)分兩對(duì)象的條件屬性集若只有一個(gè)屬性Ri，則屬性Ri是核屬性，那么Ri存儲(chǔ)到變量core，在接下來(lái)的區(qū)分鏈表的構(gòu)造過(guò)程中，若區(qū)分屬性集包括已經(jīng)提取出來(lái)的核屬性，直接約去，不插入到區(qū)分鏈表中；否則，插入到區(qū)分鏈表的表尾。為減少區(qū)分鏈表的大小，可以在每產(chǎn)生一個(gè)核屬性Rj，進(jìn)入變量core后，化簡(jiǎn)區(qū)分鏈表List，若List中的元素List[k]包含屬性Rj則直接刪除元素List[k]。對(duì)應(yīng)算法如下：

for(p=U;p->next !=NULL;p=p->next)

for(q=p->next;q!=NULL;q=q->next)

{

x= 對(duì)象p、q的可區(qū)分屬性集；

if（|x|==1） 則進(jìn)入核變量core；

else if（x不包含核變量core中已有的任何一個(gè)核屬性）

List.Add(x);

}

在得到了核和區(qū)分鏈表后，首先，將核加入到候選約簡(jiǎn)中；然后，統(tǒng)計(jì)區(qū)分鏈表中各屬性出現(xiàn)的次數(shù)，將出現(xiàn)次數(shù)最多的屬性R加入到侯選約簡(jiǎn)中，刪除區(qū)分鏈表中出現(xiàn)R的所有節(jié)點(diǎn)，依次循環(huán)，直到區(qū)分鏈表為空，此時(shí)侯選約簡(jiǎn)就是所求約簡(jiǎn)。對(duì)應(yīng)算法如下：

C_reduce=core;

While(1)

{

if(List=Null) break;

else

{

遍歷List,統(tǒng)計(jì)各條件屬性出現(xiàn)的次數(shù)；

選擇出現(xiàn)次數(shù)最多的那個(gè)屬性R；

C_reduce=C_reduce {R};

刪除List中所有出現(xiàn)R的的節(jié)點(diǎn)；

}

}

4 實(shí)例分析

設(shè)如下表1[12]給定的決策表，求所有約簡(jiǎn)及核。

U

Conditional attributes

decisions

a

b

c

d

x1

2

2

0

1

x2

1

2

0

0

x3

1

2

0

1

x4

0

0

0

0

x5

1

0

1

0

x6

2

0

1

1

而應(yīng)用本文給出的算法,區(qū)分線性表只有{b,c}一個(gè)元素,計(jì)算過(guò)程如下:首先得到區(qū)分屬性集{a}，a進(jìn)入核變量，在隨后生成的區(qū)分屬性集中只要含有a，則直接約掉，{b,c}進(jìn)入?yún)^(qū)分線性表，采用啟發(fā)式算法，可得到約簡(jiǎn){a,b}。而基于區(qū)分矩陣的屬性約簡(jiǎn)算法構(gòu)造的區(qū)分矩陣如下：

本算法相對(duì)于傳統(tǒng)方法，大大減少了區(qū)分矩陣所需要的存儲(chǔ)空間。

5 結(jié)論

近年來(lái)Rough 集理論以其獨(dú)特的優(yōu)勢(shì)正贏得越來(lái)越多的專(zhuān)家學(xué)者關(guān)注,在理論研究方面日趨成熟,并在許多領(lǐng)域取得了較為成功的應(yīng)用，屬性約簡(jiǎn)算法是粗糙集理論的核心內(nèi)容之一，其中，區(qū)分矩陣作為屬性約簡(jiǎn)的主要方法之一已經(jīng)受到越來(lái)越多的學(xué)者關(guān)注，因此，本文深入研究分析了區(qū)分矩陣算法，基于區(qū)分線性表，提出一種改進(jìn)的屬性約簡(jiǎn)算法。

參考文獻(xiàn)

[1] Pawlak Z. Rough Sets(J). International Journal of Computer and Information Science, 1982, 11(5): 341-356

[2] 張文修,吳偉志. 粗糙集理論介紹和研究綜述[J ] . 模糊系統(tǒng)與數(shù)學(xué),2000 ,15 (4) :1-12

[3] 王國(guó)胤. Rough 集理論與知識(shí)獲取[M] . 西安:西安交通大學(xué)出版社,2001

[4] 劉少輝. Rough集高效算法的研究. 計(jì)算機(jī)學(xué)報(bào)(J), 2003,26(5):524-529

[5] 王國(guó)胤, 于　洪, 楊大春. 基于條件信息熵的決策表約簡(jiǎn)(J) . 計(jì)算機(jī)學(xué)報(bào) ,2002, 25( 7 ): 759-766

[6] 張騰飛, 肖健梅, 王錫淮. 粗糙集理論中屬性相對(duì)約簡(jiǎn)算法. 電子學(xué)報(bào)(J) ,2005, 33(11):2080-2083

[7] Skowron A. Rauszer C. The Discerni-bility Matrics and Functions in Information System(J), Intelligent Decision Support Handbook of Applications and Advances of the Rough Sets Theory Dordrecht: Kluwer Academic Publishers, 1992: 331-362

[8] 李雄飛, 李軍. 數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)[M]. 高等教育出版社,2003

[9] 范 敏,劉文奇.基于粗集可辨識(shí)矩陣的屬性約簡(jiǎn)算法[J ].計(jì)算機(jī)工程與應(yīng)用,2004 ,38 (13) :79 - 80

[10] WANGJue ,WANGJu. Reduction Algorithm Based on Disernibility Matrix: The Ordered Attributes Method [ J ] . J . Comput . Sci . &Technol ,2001 ,16 (6) :489 - 504

[11] 王兵,陳善本.一種基于差別矩陣的屬性約簡(jiǎn)完備算法[J ].上海交通大學(xué)學(xué)報(bào),2004,38(1):43- 46