一种有效的自组织数据缩减算法

• 作者: 俞瑞钊 汪加才 陈奇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据缩减 数据采掘 自组织学习 有监督学习
• 年，卷（期）: 2003,（24）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 189-192
• 页数: 4页
• 分类号: TP301.6
• 字数: 4752字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2003.24.062

摘要

为提高数据采掘的效率,通常需要在提供同等分析结果的情况下对原数据集进行简化.文章提出了一种有效的数据缩减算法Sodra,以无监督与有监督相结合的学习方式生成适于分类的缩减数据集.对实际数据集和人工数据集的分类实验表明,所提出的算法既能大大降低空间需求,又不损害分类性能.同时,利用缩减集上的特征分析算法Relif-P可进一步提高算法对无关特征的适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈奇	浙江大学人工智能研究所	65	998	14.0	30.0
2	俞瑞钊	浙江大学人工智能研究所	42	1043	12.0	32.0
3	汪加才	南京审计学院计算机科学与技术系	32	180	9.0	11.0