廈門大學(xué)數(shù)據(jù)挖掘rough集與數(shù)據(jù)庫壓縮(存儲版)
【正文】 Skowron, A. (2020)).如用癥狀描述某醫(yī)院的患者時，有些癥狀對患者的診斷有較大的影響 .為了計算這些屬性的重要度，可以采取逐個屬性項被去掉后，檢測這個系統(tǒng)在作決策或數(shù)據(jù)分類時，是否會因為移掉了這個屬性而被改變？ 如果去掉了這個屬性后將改變作決策和分類，則說明該屬性的強度大，即重要性高；反之說明，該屬性的強度小，即重要性低 . 問題 2— 基于相依性的屬性壓縮 問題 3— 屬性項的廣義線性分析及壓縮 問題 4— 基于多重相關(guān)性的屬性項壓縮 167。 概 論 目前，我們已經(jīng)充分地意識到，在信息系統(tǒng)中的信息積累越來越大，這樣給數(shù)據(jù)的準(zhǔn)備帶來困難，給數(shù)據(jù)挖掘階段的開采工作帶來了不便 .為此解決信息系統(tǒng)中信息量膨脹的問題，就顯得尤為重要了 .探討數(shù)據(jù)庫的壓縮是解決這一問題的有效方法，它是將一些無關(guān)或多余的信息丟掉，而不影響其原有的功能 .無疑可以設(shè)想壓縮后的數(shù)據(jù)庫，重新組合而產(chǎn)生新的決策規(guī)則，這類決
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1