.png){kind=icon}
返回
Hypergraph-based attribute reduction approach for fuzzy β-covering systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.fss.2026.109941.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
模糊覆盖粗糙集模型是对经典粗糙集理论的重大扩展。通过引入模糊覆盖结构，它显著增强了表示和处理不确定性及实值数据的能力。基于这一进展，本文研究了模糊信息系统中的属性约简问题。为解决传统模糊β-覆盖模型在处理大规模数据集时的计算复杂度问题，提出了一种基于超图建模的属性约简理论框架。该框架通过从属性诱导模糊覆盖，建立模糊β-覆盖系统表示，并进一步构建超图模型，将属性约简问题转化为超图上的最小顶点覆盖问题。基于此理论基础，设计了一种高效的属性约简算法。在多个真实数据集上的实验结果表明，所提算法在显著提高计算效率和大规模数据处理可扩展性的同时，保持了高分类精度。
Keyword:
fuzzy β-covering
attribute reduction
hypergraph model
uncertainty
computational efficiency
