基于可区分度的连续空间属性约简算法研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：针对现有粗糙集属性约简方法中存在的连续数据处理时的信息丢失、粒化策略引入不一致信息、参数寻优困难等问题，提出一种适用于连续型数据、基于类别可区分度的非单调性启发式属性约简算法。首先以各样本的标签为依据对论域进行划分，同一标签的样本组合成一个簇，定义每个簇的类间可区分度和类内可区分度；其次，以最大化类间可区分度、最小化类内可区分度为约简原则，定义了一种新的属性重要性判别准则以确定最优约简集，从而提高后续分类器的分类性能。（剩余16060字）

试读结束

目录
monitor