资料下载
×
基于粗糙集的启发式约简算法
消耗积分:3 |
格式:rar |
大小:344 |
2009-10-19
贾虎世
分享资料个
基于粗糙集的启发式约简算法:粗糙集理论是由波兰华沙理工大学Z.Pawlak教授在1982年提出的，是一种研究不精确、不确定性知识的数学工具[1]。粗糙集理论的核心思想是在保持分类能力不变的前提下，通过对知识的化简，导出问题的决策或分类规则。
目前，国内外已有很多关于属性约简的算法，如基于正区域的约简算法、基于属性重要
性的约简算法以及基于信息熵的约简算法等等，这些算法都能得到合理的属性约简。但这些算法都没有度量各个属性之间的关联程度，也就是说，对于一个理想属性，不仅要求与决策属性有较高的依赖度，还要求它与其他条件属性有较小的相关度。由于上述算法都没有考虑属性间的相关度，所以使得他们得到的约简结果含有冗余属性。如果进行挖掘的数据集比较庞大，属性条目多，这些算法得到的约简结果将非常不理想，严重影响后继挖掘算法的实施。所以，比较好的约简算法，除了要选择与决策属性依赖性较高的属性外，还要选择与其它条件属性相关程度小的属性，从而消除冗余属性，以期达到最优约简。为了在一定程度上解决此问题，本文提出了基于属性重要度和相关度的启发式约简算法。
目前，国内外已有很多关于属性约简的算法，如基于正区域的约简算法、基于属性重要
性的约简算法以及基于信息熵的约简算法等等，这些算法都能得到合理的属性约简。但这些算法都没有度量各个属性之间的关联程度，也就是说，对于一个理想属性，不仅要求与决策属性有较高的依赖度，还要求它与其他条件属性有较小的相关度。由于上述算法都没有考虑属性间的相关度，所以使得他们得到的约简结果含有冗余属性。如果进行挖掘的数据集比较庞大，属性条目多，这些算法得到的约简结果将非常不理想，严重影响后继挖掘算法的实施。所以，比较好的约简算法，除了要选择与决策属性依赖性较高的属性外，还要选择与其它条件属性相关程度小的属性，从而消除冗余属性，以期达到最优约简。为了在一定程度上解决此问题，本文提出了基于属性重要度和相关度的启发式约简算法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
