2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1467-1472ISSN1001-9081CODENJYIIDUhttp：//www.joca.cn基于相似和差异双视角的高维数据属性约简李元江，权金升，谭阳奕，杨田*（智能计算与语言信息处理湖南省重点实验室（湖南师范大学），长沙410081）（∗通信作者电子邮箱math_yangtian@126.com）摘要：针对数据维度过高、冗余信息过多导致维度灾难的问题，提出一种基于异同矩阵的高维属性约简算法（ARSDM）。该算法在区分矩阵的基础上加入对同类样本的相似度衡量，形成对所有样本的综合评估。首先，计算样本在每个属性下的距离，并基于这些距离得到同类相似度和异类差异度；其次，建立异同矩阵，形成对整个数据集的评价；最后，进行属性约简，即将异同矩阵的每一列求和，依次选择值最大的特征进行约简，并将相应样本对的行向量置为零向量。实验结果表明，与经典属性约简算法DMG（DiscernibilityMatrixbasedonGraphtheory）、FFRS（FittingFuzzyRoughSets）以及GBNRS（GranularBallNeighborhoodRoughSets）相比，在分类回归树（CART）分类器下，ARSDM的平均分类准确率分别提高了1.07、6.48、8.92个百分点；在支持向量机（SVM）分类器下，ARSDM的平均分类准确率分别提高了1.96、11.96、12.39个百分点；运行效率上ARSDM优于GBNRS和FFRS。可见，ARSDM能够有效去除冗余信息，提高分类准确率。关键词：异同矩阵；区分矩阵；属性约简；粗糙集；粒计算；数据挖掘中图分类号：TP181；TP311.13文献标志码：AAttributereductionforhigh-dimensionaldatabasedonbi-viewofsimilarityanddifferenceLIYuanjiang，QUANJinsheng，TANYangyi，YANGTian*（HunanProvincialKeyLaboratoryofIntelligentComputingandLanguageInformationProcessing（HunanNormalUniversity），ChangshaHunan410081，China）Abstract:Concerningofthecurseofdimensionalitycausedbytoohighdatadimensionandredundantinformation，ahigh-dimensionalAttributeReductionalgorithmbasedonSimilarityandDifferenceMatrix（ARSDM）wasproposed.Inthisalgorithm，onthebasisofdiscernibilitymatrix，thesimilaritymeasureforsamplesinthesameclasswasaddedtoformacomprehensiveevaluationofallsamples.Firstly，thedistancesofsamplesundereachattributewerecalculated，andthesimilarityofsameclassandthedifferenceofdifferentclasseswereobtainedbasedonthesedistances.Sec...
