探讨了贪心及其改进算法、基于属性重要性、基于信息熵和基于聚类四类连续属性离散化算法，并通过实验验证这四类算法的离散化效果。实验结果表明，数据集离散化的效果不仅取决于使用算法，而且与数据集连续属性的分布和决策数据值的分类也有密切关系。
2021-10-11 18:57:09
158KB
1
针对粗糙集理论中的属性约简问题做了探讨研究。从寻找属性约简的角度,首先描述了决策表中的属性的重要性,并利用已求得的正区域使处理数据的范围不断缩小,约简集中的属性从核集开始,通过向属性核添加重要性最大的属性,得到属性的最小相对约简。从而减少求约简的时间。最后进行实证,该算法同传统的算法相比,在计算量减少的同时能得到更简约的结果,证明了该算法的正确性和可行性。
2021-04-20 14:26:31
179KB
1