典型文献
基于可区分度的连续空间属性约简算法研究
文献摘要：
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.在十一个UCI数据集上与其他六种属性约简算法进行对比实验.结果表明,与六种算法相比,所提算法获得的约简集平均维度减小了1.16,平均分类精度提高了3.42％,其表现出更好的约简性能.
文献关键词：
属性约简;粗糙集;可区分度;分类性能;连续型数据
中图分类号：
作者姓名：
张敏;朱启兵;黄敏
作者机构：
江南大学 物联网工程学院 轻工过程先进控制教育部重点实验室,江苏 无锡214122
文献出处：
引用格式：
[1]张敏;朱启兵;黄敏-.基于可区分度的连续空间属性约简算法研究)[J].计算机应用研究,2022(04):1013-1018
A类：
可区分度,粒化策略
B类：
连续空间,空间属性,简算,算法研究,粗糙集属性约简,信息丢失,致信,参数寻优,于连,连续型数据,非单调性,启发式,先以,签为,论域,组合成,判别准则,分类器,分类性能,十一个,UCI,六种,种属,平均分,分类精度
AB值：
0.257145
相似文献
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。
