对于约简而言，其实质上是保证复合物分类能力不变，立即降低弱约简的定义。利用区分矩阵能很容易计算出弱约简和遗传算法可以在分解寻优的优势，将染色体对区分函数的覆盖度作为适应度函数的参数，提出了一种基于遗传算法和区分矩阵的属性约简算法。算法中从粒计算的角度，重新划分粒度，对基于划分和覆盖的粗糙集方法通过k近邻算法通过准确率对弱约简效果进行评估。通过UCI数据集证明了该算法的有效性。该算法的时间复杂度是多个式的。

属性约简（Attribute reduction），又名特征选择，就是剔除冗余属性或冗余特征，起到降维作用，它是机器学习与模式识别等诸多领域中的重要研究课题。粗糙集（Rough Set）理论是一种刻划不完整性和不确定性的数学工具，能有效地分析和处理不精确、不一致、不完整等各种不完备信息，其主要研究属性约简和规则提取。为此，基于粗糙集的属性约简技术研究成为当今研究热点。本报告根据自己所做的相关工作和发表的相关论文，主要讲解基于属性重要性的属性约简、基于属性相似度的属性约简和基于进化计算的高维属性约简等内容。

粗糙集属性约简算法的实现与应用.

泰康养老社区销售话术，提前知道销售逻辑

multisim仿真实例约740个左右，解压后近80M大小，附proteus仿真部分实例，收集截止于：20210429

简单介绍了粗糙集及其贪心算法，针对贪心算法的有效性进行了改进。

为了提高基于群体智能的粗糙集最小属性约简算法的求解质量和计算效率,提出一个结合长期记忆禁忌搜索方法的粒子群并行子群优化算法.并行的各子群不仅具有禁忌约束,而且包含多样性和增强性策略.由于并行的子群共同陷入局部最优的概率小于一个粒子群陷入局部最优的概率,该算法可提高获得全局最优的可能性,并减少受初始粒子群体的影响.多个UC I数据集的实验计算表明,提出的算法相对于其他的属性约简算法具有更高的概率搜索到最小粗糙集约简.因此所提出的算法用于求解最小属性约简问题是可行和较为有效的.

上衣和裤子各12类，红橙黄绿青蓝紫棕粉黑白灰，共5000张，已分为训练和集.

从信息角度对决策系统中的属性重要度进行度量,在此基础上,提出一种知识约简的启发式算 法,它以信道容量为启发式信息, 减小了知识约简过程中的搜索空间。 实例分析表明,本算法能够获得决 策系统的一种良好的相对约简。

本文在介绍粗糙集理论的基础上,给出粗糙集 理论在数据挖掘中的应用,属性约简的启发式算法, 通过一个实例说明了算法的有效性