排序方式: 共有43条查询结果,搜索用时 0 毫秒
41.
针对高维数据集中的离群点挖掘任务,给出了一种基于基尼指标和属性相关性分析的高维数据离群点挖掘算法.该算法首先采用属性相关性分析方法,删除高维数据集中的冗余属性,缩减了数据集的大小;其次采用基尼指标作为离群度量因子,从缩减后的数据集中,挖掘出不同离群程度的数据点;最后,实验采用天体光谱数据作为实验数据集,经实验验证,该算法对高维数据集中离群点的挖掘算法是有效的和可行的,其效率得到了明显的提高. 相似文献
42.
利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。 相似文献
43.
基于区分矩阵的属性约简算法 总被引:9,自引:0,他引:9
知识约简是粗糙集理论研究的核心内容之一,在构造区分矩阵过程中,利用命题演算中的吸收法律去掉了在区分函数中不起作用的重复元素,提出了一种属性约简的改进算法ARDM,从而提高了属性约简的效率. 相似文献