基于混合频繁模式树的粗糙集属性约减算法的研究与应用

• 作者: 徐宏喆 李文 林春喜 王谊青
• 来源期刊: 计算机应用研究
• 关键词: 属性约减 粗糙集 差别信息 MIX_FP树 学习分析技术
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 988-991,1027
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.04.006

摘要

粗糙集对于学习分析系统的属性约减模型有着重要的研究意义和使用价值.针对教育大数据高维度、不完备、增量性等现状,提出了基于不完备决策表的差别信息增量更新算法,并结合树型结构对差别信息的高效存储和粗糙集的核属性概念,设计构建了MIX_FP树,实现高维属性的有效约减.实验结果验证了该算法具有较好的运行效率和空间性能,为教育大数据的属性约减提供了有效的方法,同时为基于粗糙集理论的属性约减算法研究及其在学习分析领域的应用提供了新的研究思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐宏喆	西安交通大学电子信息工程学院	17	199	7.0	14.0
2	李文	西安交通大学电子信息工程学院	10	27	2.0	4.0
3	林春喜	西安交通大学电子信息工程学院	1	2	1.0	1.0
4	王谊青	中山大学数据科学与计算机学院	1	2	1.0	1.0