数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

针对基于Pawlak属性重要性和条件熵的属性约简方法的局限性，提出了一种基于区分矩阵和改进后的属性重要性的高效属性约简算法。 首先，分析了两种经典属性约简的不足。 此外，根据在宇宙中将一个物体与另一个物体区分开的能力，给出了一种改进的属性重要性定义，然后将其用于计算可分辨矩阵中的属性重要性。 最后，通过根据属性重要性的降序将属性逐个添加到核心属性集，可以获得最小的属性约简。 数值算例分析表明，该算法可以有效地找到最小属性约简。 与以前的算法相比，该算法在具有更多条件属性的决策表中可以大大减少约简

属性约简是机器学习和知识发现的研究热点, 而属性重要性度量则是构建属性约简算法的关键环节. 针对不完备的混合型信息系统, 在邻域关系下定义了一种新的属性集成重要性度量—–邻域组合测度, 并据此提出一种基于邻域组合测度的属性约简(NCMAR) 算法. 通过多个UCI 数据集上的实验表明, NCMAR算法不仅能够直接处理符号和数值属性共存的混合信息系统, 而且适用于不完备信息系统, 在获得较小约简结果的同时, 能够保证较高的分类精度.