序决策系统下基于图顶点最小覆盖的属性约简

摘要

现如今的互联网时代,数据维度灾难性增长,如何从高维数据中提取有用信息成为一大难题。属性约简是数据预处理的重要步骤之一,能够减少属性维度和计算复杂度,提高分类性能和可解释性。传统的属性约简方法主要基于信息论、统计学或启发式算法,存在不足之处。本文提出了一种基于图顶点最小覆盖的序决策系统属性约简方法,利用图来建模属性之间的依赖关系,使属性约简算法和图论知识相结合。实验结果表明,本文方法在多个数据集上具有较好的约简效果和分类性能,具有良好的可解释性和可视化效果。