关键词：增量式学习 粒计算 属性约简 数值型数据 邻域粒化 

摘要：增量式属性约简是针对动态型数据的一种重要的数据挖掘方法,目前已提出的增量式属性约简算法大多基于离散型数据构建,很少有对数值型数据进行相关的研究.鉴于此,提出一种数值型信息系统中对象不断增加的增量式属性约简算法.首先,在数值型信息系统中建立一种分层的邻域粒化计算方法,并基于该方法提出邻域粒化的增量式计算;然后,在邻域粒化增量式计算的基础上给出邻域粒化条件熵的增量式更新方法,并基于该更新机制提出对应的增量式属性约简算法;最后,通过实验分析表明所提出算法对于数值型数据的增量式属性约简具有更高的有效性和优越性.

控制与决策杂志要求:

{1}注释及参考文献格式参照GB/T7714-2015《信息与文献参考文献著录规则》。

{2}请勿一稿两投；请遵循学术规范，如出现剽窃，文责自负。

{3}投稿方式：将电子版（Word 文档）发送至编委会邮箱，并以“ 作者单位+ 作者姓名+ 文章标题” 为邮件名称。

{4}属于课题或基金项目的论文，请详细注明类别、名称及编号等内容。

{5}用第一、第二……或首先、其次……时，如每段文字不长可在同一自然段内接排，如每段文字均较长，可另起一自然段。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社