基于属性意义的约简及其在驾驶行为中的应用
打开文本图片集
摘要：针对常见属性约简算法常会误删除具有实际意义属性这一问题，文章提出一种改进的属性约简算法。该算法通过对权重低属性进行隐含关系挖掘，找出具有隐含关系的属性进行分析融合，得到新的属性。属性约简算法在保证对属性约简的同时还能保留属性的实际意义。实验结果表明，新的属性约简算法在UCI公共数据集上得到的分类结果相较于传统随机森林算法和SVM算法精度分别提升4%和7%；在驾驶行为数据集上得到的结果相较于传统随机森林算法和SVM算法分类精度分别提升6%和8%。（剩余7810字）
