Attribute reduction of covering decision systems by hypergraph model

کاهش ویژگی (همچنین انتخاب زیر مجموعه ویژگی) نقش مهمی در نظریه مجموعه خشن دارد. از الگوریتم های کاهش کسر ویژگی ها متفاوت است، روش های کاهش ویژگی بر اساس پوشش های خشن، برای داده های عددی مناسب است. با این حال، در مقابله با داده های مقیاس بزرگ، وقت گیر است. در این مقاله، مسئله کاهش ویژگی سیستم های تصمیم گیری پوشش را براساس نظریه گراف مطالعه می کنیم. ابتدا ما این مشکل را به یک مدل گراف تبدیل می کنیم و نشان می دهیم که پیدا کردن کاهش ویژگی یک سیستم تصمیم گیری پوشش، معادل پیدا کردن پوشش حداقل رأس یک ابرگراف مشتق است. سپس، بر اساس مدل پیشنهادی، یک سوم برای پوشش دادن سیستم های تصمیم گیری ارائه شده است. آزمایشات نشان می دهد که روش پیشنهادی جدید برای رسیدگی به داده های مقیاس بزرگ موثر است.