典型文献
一种基于改进邻域粗糙集中属性重要度的快速属性约简方法
文献摘要：
冗余属性过多是影响分类算法运行效率和准确率的重要因素.为了提高分类算法的运行效率和分类准确率,提出一种基于改进邻域粗糙集属性重要度的快速属性约简算法.首先,提出一种改进的KNN属性重要度;其次,利用改进过属性重要度的邻域粗糙集对原始数据的条件属性进行重要度排序,利用排序结果对原始数据进行属性约简,得到约简后的特征子集;最后,将约简后的特征子集输入分类模型进行分类预测.实验仿真结果表明,与改进前的基于邻域粗糙集的属性约简算法相比,所提出的方法具有较高预测精度和较快运行速度.
文献关键词：
数据处理;属性重要度;属性约简;不确定性度量;邻域粗糙集
中图分类号：
作者姓名：
周长顺;徐久成;瞿康林;申凯丽;章磊
作者机构：
河南师范大学计算机与信息工程学院,河南新乡 453007;智慧商务与物联网技术河南省工程实验室,河南新乡 453007
文献出处：
引用格式：
[1]周长顺;徐久成;瞿康林;申凯丽;章磊-.一种基于改进邻域粗糙集中属性重要度的快速属性约简方法)[J].西北大学学报（自然科学版）,2022(05):745-752
A类：
B类：
邻域粗糙集,属性重要度,属性约简,分类算法,分类准确率,简算,KNN,原始数据,特征子集,集输,分类模型,分类预测,实验仿真,进前,快运,运行速度,不确定性度量
AB值：
0.230465
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
