基于聚类离散化和变精度邻域熵的属性约简

来源期刊：控制与决策2018年第8期

论文作者：陈迎春 李鸥 孙昱

文章页码：1407 - 1414

关键词：变精度粗糙集;邻域粗糙集;K-means聚类;互信息熵;属性约简;

摘    要：针对传感网采集数据的不完备性,利用数据本身特点,通过定义类簇指标,提出基于改进K-means聚类算法的数据离散化方法,以减小噪声、孤立点和不完备数据集对决策识别结果产生的影响;然后,通过引入互信息熵的属性重要度度量和变精度修正系数,提出基于互信息熵的变精度邻域粗糙集属性约简启发式算法,整合变精度和邻域粗糙集的优势,在减小约简算法计算复杂度的同时提高决策系统识别精度.仿真结果表明了算法在提高决策系统识别精度和降低其计算复杂度方面的有效性,模拟环境测试进一步验证了其工程适用性.