基于k近邻属性重要度和相关系数的属性约简

• 全文链接
• 请求原文

作   者：

林芷欣;  刘遵仁;  纪俊; 

作者机构：

青岛大学计算机科学技术学院; 

关键词：

属性重要度;  相关系数;  属性约简;  k近邻;  邻域粗糙集; 

期刊名称：

计算机工程与设计

基金项目：

基于健康数据分析的半监督在线学习血糖预报建模算法研究

i s s n：

1000-7024

年卷期：

2020 年 009 期

页   码：

2488-2494

摘   要：

为提高邻域粗糙集属性约简算法的运行效率,降低属性约简算法的复杂度,提出一种基于k近邻属性重要度的约简算法.通过计算某属性下距离样本点最近的k个同类和k个异类样本点的距离得到一种属性重要度的评价指标,融入相关系数方法去除约简属性的冗余信息.通过在多个UCI数据集上进行验证,实验结果表明,与现有算法相比,该算法能更快速判断出数据集中各属性的重要度,有效降低了约简算法的时间复杂度,能更快速得到约简属性,获得较高的分类精度.