10.3969/j.issn.1000-386x.2020.09.038
基于矩阵方法的区分度增量式属性约简算法
属性约简是粗糙集理论在机器学习领域的重要应用.通过对传统的属性约简算法构造增量式学习,从而提高了动态数据环境下的属性约简性能.区分度作为一种重要的属性集评估函数,目前已成功地运用于属性约简的构造.在基于区分度属性约简的基础上,提出一种区分度的增量式属性约简算法.通过矩阵的方法去表示区分度度量,在矩阵表示的基础上,进一步研究信息系统对象增加和减少时区分度的增量式学习,根据这种增量式学习提出对应的增量式属性约简算法.UCI数据集的实验结果表明,所提出的增量式属性约简算法比非增量式算法具有更高的动态数据属性约简性能.
属性约简、增量式学习、信息系统、动态变化、矩阵
37
TP18(自动化基础理论)
安徽省重点科研项目KJ2019A0903
2020-09-17（万方平台首次上网日期，不代表论文的发表时间）
共12页
235-245,257
