

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、數(shù)據(jù)挖掘是一門從大量的日常業(yè)務數(shù)據(jù)中提取隱含的同時又是有用的信息的新興技術(shù).數(shù)據(jù)挖掘算法對其處理的數(shù)據(jù)集合一般都有一定要求,比如數(shù)據(jù)完整性好、數(shù)據(jù)冗余性少、屬性之間相關性小等.然而,日常業(yè)務數(shù)據(jù)一般都可能具有不完整性、冗余性和模糊性等特點.因此,應用數(shù)據(jù)挖掘算法之前一般需要對原始數(shù)據(jù)進行預處理.屬性選擇是一種重要的數(shù)據(jù)預處理方法,可以降低數(shù)據(jù)集的維度和噪音,使數(shù)據(jù)挖掘算法效果更好。 本文首先介紹了屬性選擇的相關技術(shù)及本文所涉及的
2、信息論的基本概念,隨后詳細分析了屬性選擇包中算法的靜態(tài)組織結(jié)構(gòu)和動態(tài)運行過程,然后介紹了已有相關性評價方法,著重敘述了新的屬性間冗余性的分析和最大關聯(lián)-最小冗余的評價標準。最后本文設計了兩個基于屬性間相關性分析的屬性選擇算法.一個是消除屬性間冗余性的算法,它利用決策獨立相關性和決策依賴相關性來分別度量屬性與類屬性之間關聯(lián)性和屬性與屬性之間冗余性,另一個是排序法與打包法相結(jié)合的算法,它是一個兩階段方法,首先排序法利用最大關聯(lián).最小冗余標準
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于屬性相關性分類理論的屬性選擇方法研究.pdf
- 屬性值測量系統(tǒng)的相關性研究.pdf
- 生活形態(tài)、產(chǎn)品屬性之相關性研究.pdf
- 圖與其屬性結(jié)構(gòu)相關性的度量研究.pdf
- 基于粗糙集合的屬性選擇方法研究.pdf
- 礦井瓦斯參數(shù)與地震屬性相關性分析.pdf
- 基于MRMR和FCBF屬性選擇方法的比較研究.pdf
- 基于屬性影響度的多屬性決策方法研究.pdf
- 基于Rough集的屬性與屬性值約簡方法研究.pdf
- 中藥藥性與其基原屬性相關性研究.pdf
- 基于屬性分類能力結(jié)構(gòu)互補性的基因選擇方法.pdf
- 基于SMAAR的多屬性項目組合選擇問題的相關研究.pdf
- 基于語義分析的實體屬性抽取方法研究.pdf
- 基于信息系統(tǒng)屬性相關性的知識約簡算法研究.pdf
- 基于Ⅳ屬性選擇的隨機森林模型研究.pdf
- 基于屬性密碼體制的相關研究.pdf
- 屬性關聯(lián)的區(qū)間多屬性決策方法研究.pdf
- 基于屬性相關性分析高維數(shù)據(jù)聚類子空間搜索算法分析與研究.pdf
- 屬性增加時基于矩陣方法的增量屬性約簡算法
- 基于屬性分類的多敏感屬性數(shù)據(jù)隱私保護方法研究.pdf
評論
0/150
提交評論