信息系统的属性重要性度量及知识约简算法比较

摘要：

@@ 在数据挖掘和知识发现的推理决策时处理的往往是海量数据,在研究具有高度伸缩性算法的同时,人们也不断探索新方法通过数据预处理实现对数据的归约.数据归约一个很重要的方面就是求出对当前决策起重要作用的最小属性子集.比如在计算机支持的协作学习(CSCL)中,有很多属性会对学习的分类结果产生影响,所以要考虑每个属性对于分类决策的重要性.本文给出了属性重要性度量的Rough集方法[1]和信息增益的方法,对两种方法的关系进行了讨论,并进一步比较了两种方法的知识约简算法.

机标关键词：信息系统、属性重要性度量、知识约简算法、算法比较、数据预处理、探索新方法、最小属性子集、推理决策、计算机支持、知识发现、协作学习、信息增益、数据挖掘、数据归约、海量数据、分类决策、分类结果、法的关系、伸缩性、多属性

分类号：TP391(计算技术、计算机技术)

在线出版日期：2004-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：131-134