论文部分内容阅读
邻域粗糙集是数值型属性数据处理的有效工具．基于邻域粗糙集，传统依赖度及其约简未考虑邻域覆盖的绝对结构，由此文中建立加权依赖度及其启发式约简算法．首先，提出加权依赖度并得到其度量改进性与粒化单调性，定义相关的属性约简．然后，分析邻域半径的自适应取值，构造基于加权依赖度的启发式约简算法（NWDR）．最后，在UCI数据集上进行对比实验，验证加权依赖度的单调性与NWDR的有效性．实验证明，加权依赖度改进传统依赖度的不确定性表示能力，NWDR具有较高的分类准确率与较强的应用适应性．