CAJ | 학술논문

针对“大数据”中常见的大规模无监督数据集中特征选择速度难以满足实际应用要求的问题,在经典粗糙集绝对约简增量式算法的基础上提出了一种快速的属性选择算法.首先,将大规模数据集看作一个随机到来的对象序列,并初始化候选约简为空集;然后每次都从大规模数据集中无放回地随机抽取一个对象,并且每次都判断使用当前候选约简能否区分这一对象和当前对象集中所有应当区分的对象,并将该对象放入到当前对象集中,如果不能区分则向候选约简中添加合适的属性;最后,如果连续I次都没有发现无法区分的对象,那么将候选约简作为大规模数据集的约简.在5个非监督大规模数据集上的实验表明,所求得的约简能够区分95％以上的对象对,并且求取该约简所需的时间不到基于区分矩阵的算法和增量式约简算法的1％;在文本主题挖掘的实验中,使用约简后的数据集挖掘出的文本主题同原始数据集挖掘出的主题基本一致.两组实验结果表明该方法能够有效快速对大规模数据集进行属性选择.
침대“대수거”중상견적대규모무감독수거집중특정선택속도난이만족실제응용요구적문제,재경전조조집절대약간증량식산법적기출상제출료일충쾌속적속성선택산법.수선,장대규모수거집간작일개수궤도래적대상서렬,병초시화후선약간위공집;연후매차도종대규모수거집중무방회지수궤추취일개대상,병차매차도판단사용당전후선약간능부구분저일대상화당전대상집중소유응당구분적대상,병장해대상방입도당전대상집중,여과불능구분칙향후선약간중첨가합괄적속성;최후,여과련속I차도몰유발현무법구분적대상,나요장후선약간작위대규모수거집적약간.재5개비감독대규모수거집상적실험표명,소구득적약간능구구분95％이상적대상대,병차구취해약간소수적시간불도기우구분구진적산법화증량식약간산법적1％;재문본주제알굴적실험중,사용약간후적수거집알굴출적문본주제동원시수거집알굴출적주제기본일치.량조실험결과표명해방법능구유효쾌속대대규모수거집진행속성선택.