于红;Yao，袁;赵军 一种基于风险最小化的属性约简算法。 （中文。英文摘要） Zbl 1299.68174号 南京大学自然科学学报。 49，编号210-216（2013）. 摘要：经典粗糙集理论最重要的部分是由精确集包含定义的上近似集和下近似集。然而，目前的数据并不准确。众所周知，Pawlak代数粗糙集模型过于严格，缺乏容错能力。为了解决这个问题，提出了一系列概率粗糙集模型。在这些模型中，决策粗糙集模型从语义角度对人类智能问题的求解进行了更好的模拟。属性约简是粗糙集理论的一个重要研究领域。在概率决策粗糙集模型中，决策区域、决策规则和属性的增减不遵循单调性。决策表的正区域、负区域和边界区域在属性约简前后可能会发生不同的变化。因此，根据区域变化对属性约简进行适当的评价是一个重要的问题。为此，提出了决策粗糙集模型下基于风险最小化的属性约简的定义。基于粗糙集理论的属性约简定义大多要求正或非负区域与以前相同。在概率决策粗糙集模型中，决策区域、决策规则和属性的增减不遵循单调性。因此，根据约简后的属性集最小化决策风险对决策者来说是非常有意义的。本文研究了基于最小风险决策的属性约简，该决策与每个区域无关。考虑到不同属性对决策表的决策和分类能力不同，提出了基于决策粗糙集模型的属性重要性概念。然后提出了一种有效的基于属性重要性的决策风险最小化启发式属性约简算法。实例分析和实验结果表明，该方法是有效的。 引用于1文件 MSC公司： 68层37 人工智能背景下的不确定性推理 关键词：属性约简;最低决策成本;属性的重要性;决策论粗糙集 PDF格式BibTeX公司 XML格式引用 \textit{H.Yu}等人，南京大学自然科学研究所。49，No.2，210--216（2013；Zbl 1299.68174）