论文部分内容阅读
特征选取的目的是为了减少分类规则中不必要的特征数。在启发式特征选取方法中,特征是用必要性来测量的。在文献中,粗糙集被用于定义特征的必要性。本文提出一种新的基于粗糙集的特征选取方法—带参数的平均支持启发式方法,该方法考虑潜在规则集的整体质量,选择具有高平均支持数规则的特征。此外,它还带有参数用于调整近似度。最后,通过实例分析说明该方法是有效的。