邻域粗糙集模型仅关注邻域完全包含在某些决策类中的一致性样本,而忽略邻域不能包含在任何决策类中的边界样本的可分性。 在本文中,我们密切关注边界样本,并通过添加邻域与某些决策类的交集最大的样本来扩大正区域。 应用上述思想,我们引入了一种新的邻域粗糙集模型,称为最大决策邻域粗糙集模型。 基于该模型设计了一种属性约简算法。 理论分析和实验结果均表明,该算法能够有效地去除大多数冗余属性,且不会降低分类精度。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~