基于剥离商集的快速广义决策保持属性约简算法

属性约简作为粗糙集理论中的主要研究问题之一，其目标是在不影响原始数据分类能力的前提下，寻找一个更为简洁的属性子集。在约简策略中，基于广义决策保持的属性约简因其具有良好的可解释性与较强的应用背景，得到广泛应用。现有广义决策保持属性约简算法的计算效率在面对大规模数据集时常受到显著制约，如何高效地实现广义决策保持下的属性约简，成为当前研究亟需解决的关键问题。针对上述问题，本文探讨了广义决策保持过程中正域对象的稳定性特征，借助剥离商集方法，构建了简化且更具代表性的等价类，进而提出了一种基于广义决策保持的高效启发式属性约简算法。该算法在确保约简正确性的基础上，可以显著提升约简过程的计算效率。实验结果表明，相较于现有算法，本文提出的算法在8个UCI数据集上具有更高的计算效率。