计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2003年
24期
189-192
,共4页
数据缩减%数据采掘%自组织学习%有监督学习
數據縮減%數據採掘%自組織學習%有鑑督學習
수거축감%수거채굴%자조직학습%유감독학습
为提高数据采掘的效率,通常需要在提供同等分析结果的情况下对原数据集进行简化.文章提出了一种有效的数据缩减算法Sodra,以无监督与有监督相结合的学习方式生成适于分类的缩减数据集.对实际数据集和人工数据集的分类实验表明,所提出的算法既能大大降低空间需求,又不损害分类性能.同时,利用缩减集上的特征分析算法Relif-P可进一步提高算法对无关特征的适应能力.
為提高數據採掘的效率,通常需要在提供同等分析結果的情況下對原數據集進行簡化.文章提齣瞭一種有效的數據縮減算法Sodra,以無鑑督與有鑑督相結閤的學習方式生成適于分類的縮減數據集.對實際數據集和人工數據集的分類實驗錶明,所提齣的算法既能大大降低空間需求,又不損害分類性能.同時,利用縮減集上的特徵分析算法Relif-P可進一步提高算法對無關特徵的適應能力.
위제고수거채굴적효솔,통상수요재제공동등분석결과적정황하대원수거집진행간화.문장제출료일충유효적수거축감산법Sodra,이무감독여유감독상결합적학습방식생성괄우분류적축감수거집.대실제수거집화인공수거집적분류실험표명,소제출적산법기능대대강저공간수구,우불손해분류성능.동시,이용축감집상적특정분석산법Relif-P가진일보제고산법대무관특정적괄응능력.