基于最大决策邻域粗糙集模型的属性约简

邻域粗糙集模型仅关注邻域完全包含在某些决策类中的一致性样本，而忽略邻域不能包含在任何决策类中的边界样本的可分性。 在本文中，我们密切关注边界样本，并通过添加邻域与某些决策类的交集最大的样本来扩大正区域。 应用上述思想，我们引入了一种新的邻域粗糙集模型，称为最大决策邻域粗糙集模型。 基于该模型设计了一种属性约简算法。 理论分析和实验结果均表明，该算法能够有效地去除大多数冗余属性，且不会降低分类精度。