粗糙集理论中基于区分矩阵的属性约简matlab程序。

信息系统中,属性约简是知识发现问题的一个研究热点,能达到发掘并简化知识的目的.目前已有很多利用辨识矩阵来进行属性约简的研究,但是当数据维数较大时,算法复杂度往往很大.利用加权欧几里得距离来定义二元关系及辨识矩阵,利用信息系统的约简与生成图的最小顶点覆盖等价的关系,将辨识矩阵求解约简的问题转化为求解生成图中最小顶点覆盖的问题,并给出了Pythagorean模糊信息系统中属性约简的算法;在此基础上,利用基于加权欧几里得距离的相似关系,定义了Pythagorean模糊决策信息系统的辨识矩阵,并给出了用最小顶点覆盖的方法求约简算法,最后利用实例验证了算法的有效性.

综述一篇，适合研究生入门用综述一篇，适合研究生入门用综述一篇，适合研究生入门用综述一篇，适合研究生入门用

基于差别矩阵和属性选择的属性约简算法，采用c++实现，能够在VS编译环境下快速实现，占用较少的内存资源。

粗糙集应用工具软件，能够和MATLAB及C语言接口，进行数据的约简（包含多种方法），连续属性离散化，以及粗糙集相关集合的求取。

针对机械故障诊断知识的近似最优属性约简不惟一要求，从得到多个满足分类精度的属性约简集合的目标出发，提出了一种基于特征选择和变精度粗集的属性约简方法。该算法将特征选择过程，从由完全属性集开始的属性删除方式转变为从核属性出发以增加关键属性为主的多目标方式；同时引入决策属性支持度，保证了约简结果对于论域对象分类的准确率。通过机械故障状态数据的实例应用，表明该方法可获得旋转机械各类典型故障的关键属性，得到了给定准确度下的多个约简集合。

基于粗糙集理论求信息系统和决策系统的属性约简，代码有详细注释，能运行，希望和大家一起交流。 基于粗糙集理论求信息系统和决策系统的属性约简，代码有详细注释，能运行，希望和大家一起交流。

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.