文件名称：基于距离比值尺度的模糊粗糙集属性约简_陈毅宁.pdf
文件大小：734KB
文件格式：PDF
更新时间：2022-12-10 12:32:49
属性约简; 模糊粗糙集; 距离比值尺度;
属性约简能有效地去除不必要属性，提高分类器的性能。模糊粗糙集是处理不确定信息的重要范式，能有效地应用于属性约简。在模糊粗糙集中，样本分布的不确定性会影响对象的近似集，进而影响有效属性约简的获取。为有效地定义近似集，文中提出了基于距离比值尺度的模糊粗糙集，该模型引入了基于距离比值尺度的样本集的定义，通过对距离比值尺度的控制，避免了样本分布不确定性对近似集的影响；给出了该模型的基本性质，定义了新的依赖度函数，进而设计了属性约简算法；以SVM，NaiveBayes和J48作为测试分类器，在UCI数据集上评测所提算法的性能。实验结果表明，文中所提出的属性约简算法能够有效获取约简并提高分类的精度。