基于区分对象集的启发式属性约简算法

　　基于正域的属性约简算法是利用“下近似”思想，仅考虑被正确区分样本数的约简算法。借鉴“上近似”的思想，利用“邻域信息粒”的概念定义了区分对象集，探讨了其基本性质，并提出了基于区分对象集的属性重要度度量及启发式属性约简算法。该约简算法既考虑信息决策表的相对正域，也考虑以核属性为启发信息逐个增加条件属性时对边界域样本的影响。通过实例分析，说明了所提算法的可行性，并且以6个UCI标准数据集为实验对象，与基于正域的属性约简算法进行对比实验。实验结果说明，采用提出的约简算法得到的约简属性集，与基于正域的属性约简算法相比，在进行分类任务时的分类精度能够保持不变或有所提高。