文献类型：期刊文章

作　　者：韩伟[1] 沈霄凤[2] 王云[3]

机构地区：[1]华东师范大学 信息科学学院,上海200062 [2]华东师范大学 教育信息技术系,上海200062 [3]临沂师范学院 计算机科学系,临沂276000

出　　处：《华东师范大学学报（自然科学版）》

年　　份：2004

期　　号：3

起止页码：131-134

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、JST、MR、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：在数据挖掘和知识发现的推理决策时处理的往往是海量数据,在研究具有高度伸缩性算法的同时,人们也不断探索新方法通过数据预处理实现对数据的归约.数据归约一个很重要的方面就是求出对当前决策起重要作用的最小属性子集.比如在计算机支持的协作学习(CSCL)中,有很多属性会对学习的分类结果产生影响,所以要考虑每个属性对于分类决策的重要性.本文给出了属性重要性度量的Rough集方法[1]和信息增益的方法,对两种方法的关系进行了讨论,并进一步比较了两种方法的知识约简算法.

关 键 词：信息系统 属性  重要性度量  知识约简算法 ROUGH集 信息增益法  

分 类 号：TP391]