如何在不损失信息的情况下对高维数据进行属性约简,从而减少数据的传输、存储代价,并降低后续数据挖掘的难度,是数据科学领域的一个重要课题。由于不需要数据本身以外的任何先验性知识,粗糙集属性约简被广泛应用于高维数据的属性约简。邻域粗糙集是对传统粗糙集模型的扩展。由于引入了邻域粒化和粒度空间的概念,邻域粗糙集无需对连续型数据进行离散化处理,可减少传统粗糙集模型对连续型数据离散化导致的信息损失,扩大了粗糙集理论的适用范围。本文针对现有的邻域粗糙集属性约简算法在邻域粒化策略、度量函数设计和小样本数据下的属性约简等方面存在的问题,提出了针对性的改进方法。主要工作如下:1.提出了一种基于加权邻域依赖度的属性约简算法。算法针对现有邻域粗糙集模型忽略邻域内样本分布特征而导致的有效信息损失问题,引入了考虑邻域内样本间距离分布的加权邻域概念,定义了加权邻域依赖度函数用于启发式属性约简。以12个UCI公开数据集和实验室采集的玉米种子高光谱数据集为研究对象,采用所提算法进行属性约简,并利用3种常用的分类器建立分类模型以验证分类能力。与2种对比算法相比的结果表明,在UCI数据集上,基于所提算法获得的约简集平均分类精度为84.37%,与对比算法相比提高了2.02%,平均维度基本不变;在玉米种子高光谱数据集上,平均分类精度为89.00%,与对比算法相比提高了0.26%,平均维度为20.00,降低了6.50,因此所提算法具有较好的分类性能。2.提出了一种基于可区分度的连续空间属性约简算法。算法针对现有邻域粗糙集属性约简算法中存在的连续数据处理时的信息丢失、粒化策略易引入不一致信息、参数寻优困难等问题,充分利用数据本身的分布信息,直接从提高分类性能的角度出发,分别定义了类内可区分度和类间可区分度的概念,用于反映类内一致性和不同类别间的可区分性,并以最小化类内可区分度、最大化类间可区分度为约简原则确定最优约简集,从而提高后续分类器的分类性能。实验结果表明:在12个UCI数据集和1个玉米种子高光谱数据集上,采用所提算法获得的约简集平均分类精度分别为85.85%、89.21%,平均维度分别为5.00、29.00,与6种对比算法相比表现出更好的分类性能。3.研究了一种面向增量式数据的扩充式属性约简算法。算法针对增量式数据集较小难以准确评估属性重要度而导致属性约简困难的问题,借鉴邻域粗糙集理论中邻域粒化的思想,构建了历史数据和增量式数据间的邻域关系,基于构建的邻域关系对历史数据进行选择,并扩充到增量式数据集中,以解决不同数据集之间可能存在的概念漂移问题,基于扩充后的数据集进行属性约简,提高了属性约简算法在小样本增量式数据集上的约简性能。基于5种属性约简算法的实验表明:采用所提扩充式属性约简算法在12个UCI数据集上的平均分类精度为84.25%,平均维度为5.80;在玉米种子高光谱增量式数据集上的平均分类精度为89.48%、平均维度为23.60。由此可知,所提算法具有较好的分类性能。