论文部分内容阅读
属性约简是粗糙集理论中重要的研究内容之一，是数据挖掘中知识获取的关键步骤。Pawlak粗糙集约简的对象一般是有标记的决策表或者是无标记的信息表。而在很多现实问题中有标记数据很有限，更多的是无标记数据，即半监督数据。为此，结合半监督协同学习理论，提出了处理半监督数据的属性约简算法。该算法首先在有标记数据上构造两个差异性较大的约简来构造基分类器；然后在无标记数据上交互协同学习，扩大有标记数据集，获得质量更好的约简，构造性能更好的分类器，该过程迭代进行，从而实现利用无标记数据提高有标记数据的约简质量，最终获得质