论文部分内容阅读
特征选择是粗糙集理论中最基本、最重要的研究内容之一。已有的大多数特征选择算法对小规模数据表较为有效。在信息时代，数据表的规模越来越大，传统的特征选择方法对于大规模数据表的计算效率非常低。因此，文中引入分割策略的思想，将大规模数据表分割成若干个较小规模的数据表，然后通过合并所得结果来解决原数据表的特征选择问题。在标准数据集上的实验结果表明了所提算法的有效性。