论文部分内容阅读
在数据库知识发现的过程中，特征选取作为一个重要的步骤，它通过去除无关／冗余属性，以提高数据挖掘算法的效率和性能。粗糙集合作为知识发现的一种形式化框架，使用缩减和相对缩减来阐述特征选取。在此基础上，Ｓｋｏｗｒｏｎ Ａ．等提出了区分矩阵作为计算缩减和相对缩减的工具。但是由于区分矩阵的空间复杂度为Ｏ（ㄧＵㄧ〈’２〉＊ㄧＡㄧ），难以应用于实际的数据库。该文基于粗糙集合的理论框架，利用最近邻的思想，提出了一个特征子集选取的算法ＲＳＮＮ＿ＦＳ来计算决策表的近似缩减。该算法具有良好的空间复杂性，具有渐近式能力，以及抗噪音能力。