基于粗糙集理论的数据属性约简算法工具箱

资 源 简 介

本项目是一个基于MATLAB开发的完整数据处理系统，专注于实现粗糙集理论（Rough Set Theory）中的核心功能——数据约简（Attribute Reduction）。该项目的主要目的是从高维数据集中删除冗余或不相关的属性，在保持知识库分类能力不变的前提下，提取出最小的特征子集（Reduct）。代码详细实现了以下核心功能模块：1. 基础计算模块：实现了上近似、下近似、边界域、正域以及属性依赖度的计算函数，这是粗糙集理论的数学基础；2. 经典约简算法：完整编写了基于依赖度的QuickReduct贪婪启发式算法，该算法通过迭代方式快速寻找最优属性子集；3. 精确约简算法：实现了基于差别矩阵（Discernibility Matrix）和逻辑运算的约简方法，能够找出数据集的所有可能约简；4. 数据预处理：内置了数据离散化功能，能够将连续型数值数据转换为粗糙集算法所需的离散符号数据；5. 结果验证：提供约简前后数据分类质量的对比评估，验证约简的有效性。该源代码结构清晰，注释详尽，适用于数据挖掘、模式识别、机器学习中的特征选择预处理阶段，能有效降低数据维度，提高后续模型的训练效率和精度。

详 情 说 明

基于粗糙集理论的数据属性约简算法工具箱

项目介绍

本项目是一个基于 MATLAB 开发的数据挖掘工具箱，专注于粗糙集理论（Rough Set Theory）中最核心的应用——属性约简（Attribute Reduction）。该系统能够从包含冗余、噪声或不一致信息的高维数据集中，提取出能够保持原分类能力不变的最小特征子集（Reduct）。

项目源码采用纯 MATLAB 语言编写，未使用任何第三方黑盒工具箱，所有核心算法（依赖度计算、贪婪搜索、区分矩阵构建）均从底层数学逻辑实现。这使得代码具有极高的可读性和可扩展性，非常适合用于学术研究、算法教学以及机器学习特征工程阶段的数据预处理。

主要功能特性

系统主要包含数据模拟、预处理、核心指标计算、经典与精确约简算法实现以及结果可视化五大模块：

1. 数据生成与离散化预处理：能够生成包含冗余属性的模拟决策表，并内置数据离散化引擎，将连续型数值自动映射为粗糙集算法可处理的离散符号。
2. 粗糙集基础指标计算：底层实现了不可分辨关系（Indiscernibility Relation）、正域（Positive Region）以及属性依赖度（Dependency Gamma）的精确计算。
3. QuickReduct 经典算法：实现了基于依赖度的贪婪启发式搜索算法，能够快速收敛至一个有效的属性约简子集。
4. 基于差别矩阵的精确/启发式算法：构建对象间的差别矩阵（Discernibility Matrix），能够准确识别核心属性（Core），并基于差别信息覆盖策略寻找约简集。
5. 过程可视化与验证：提供约简前后依赖度对比验证，并图形化展示搜索算法的收敛曲线及差别矩阵的稀疏分布。

系统要求及使用方法

系统要求

• 开发环境：MATLAB R2016a 及以上版本
• 依赖工具箱：无（纯原生代码实现）

使用方法

1. 确保 MATLAB 当前工作路径包含项目文件。
2. 直接运行主函数入口（main.m 对应的函数）。
3. 程序将自动执行数据生成、计算和绘图，并在命令行窗口（Command Window）输出详细的计算过程日志和结果统计。

算法实现细节与核心逻辑

本项目在 main 函数及其子函数中详细实现了以下逻辑：

1. 数据准备与离散化

• 模拟数据：程序内置了一个硬编码的决策表矩阵，包含浮点数和整数混合数据，特别设计了冗余列（Condition Attributes）和不一致样本，以测试算法的鲁棒性。
• 离散化逻辑：通过 discretize_data 子函数处理数据。对于连续数值属性，通过 linspace 和 histcounts 进行等宽分箱（默认分为3个区间），将其转换为整数索引；对于原本就是整数且类别数较少的列，则保持不变。
• 数据集划分：自动将数据集的最后一列识别为决策属性（D），其余列识别为条件属性（C）。

2. 依赖度计算 (Dependency Calculation)

这是整个系统的核心数学引擎，由 calculate_dependency 函数实现：

• 等价类划分：利用 unique 函数对当前选定的条件属性子集进行行分组，快速构建不可分辨关系。
• 正域判定：遍历每一个等价类（Group），检查该组内的所有样本是否具有相同的决策属性值。如果决策值唯一，则该组样本属于正域（Positive Region）。
• 计算公式：依赖度 $gamma$ 计算为正域内样本总数除以样本总数。

3. QuickReduct 算法

由 algorithm_quickreduct 函数实现，采用前向特征选择策略：

• 初始化：从空集开始。
• 迭代过程：在每一轮迭代中，遍历所有尚未被选中的属性，计算将该属性加入当前集合后的新依赖度。
• 选择策略：贪婪地选择能够使依赖度增量最大的属性加入候选集。
• 停止条件：当当前集合的依赖度达到全属性集的依赖度（Global Gamma）时，算法停止，输出约简集。

4. 差别矩阵算法 (Discernibility Matrix)

由 algorithm_discernibility_matrix 函数实现，流程如下：

• 矩阵构建：采用 $O(N^2)$ 复杂度遍历所有样本对。仅当两个样本的决策属性值不同（$D(i) neq D(j)$）时，记录它们在哪些条件属性上存在差异。
• Core 提取：如果在某一对样本的差异属性集中，只包含一个属性（单元素集合），则该属性被标记为核心属性（Core），它是任何有效约简的必选成分。
• Reduct 构造：

* 以 Core 为初始约简集。 * 检查 Core 是否能区分所有必须区分的样本对。 * 对于未被覆盖的样本对，采用频率优先的贪婪策略：统计各属性在所有差异集合中出现的频率，优先选择出现频率最高的属性加入约简集，直到所有差异对都被覆盖。

5. 结果分析与可视化

• 一致性验证：程序计算并比对全集依赖度与约简集依赖度。如果两者的差值小于 1e-6，则通过“无损约简”验证。
• 收敛曲线图：绘制 QuickReduct 算法在每一步迭代中依赖度的上升趋势，直观展示算法的搜索效率。
• 差别矩阵热图：使用 spy 函数绘制差别矩阵的稀疏分布图（Binary Matrix），展示样本间冲突分布的密集程度。