论文部分内容阅读
特征选择(FS ) 目的将当在代表原来的特征保留合适高的精确性时，从一个问题领域决定一个最小的特征(属性) 子集。当有许多 success.RST 的如此的一个工具启用数据相关性和独自用数据在数据集包含的属性的数字的减小的发现，不平的集合理论(RST ) 被使用了，不要求另外的信息。这份报纸在基于 RST 的途径后面描述基本想法，考察在这些想法上造的相关 FS 方法，并且分析象 Quickreduct 算法那样的更经常使用的基于 RST 的传统的 FS 算法，熵基于编校算法，和相对编校算法。一些在存在算法