[发明专利]基于均值属性重要度的启发式方法

权利要求书

1.一种基于均值属性重要度的启发式方法，包括以下步骤：

步骤1：从UCI数据集中选取12组数据集，将所有数据集按照9:1的比例随机分为训练和测试数据集。

步骤2：将选取的数据集看作决策系统S，同时设置内类半径δ_I，类间半径δ_O。

步骤3：将所求的属性约简集合R初始化为空集，在条件属性集合AT下，计算决策属性d在内类半径和类间半径下的近似质量

步骤4：对于条件属性集合中的任意一个属性a，对于决策系统中样本集合U通过决策属性d诱导的划分中任意一个决策类X_m，计算条件属性a下决策类X_m中的样本的标准差STD_a(X_m)，并将所有标准差取均值MEAN(STD_a(X_m))。

步骤5：依据所得均值从小到大对条件属性进行排序。

步骤6：通过K-means聚类将条件属性分簇，每一次在选择条件属性时，首先判断该属性是否与集合中的属性在同一个簇，若在同一个簇，则不考虑该属性，并依次选取下一个条件属性进行判断。

步骤7：通将决策属性d在约简集合下计算的近似质量与在条件属性集合下计算的近似质量/进行比较，如果/则选取条件属性加入到约简集合R中，若选取的条件属性与属性约简集合中的某个属性在同一个簇，则已选取条件属性不符合要求，依次选取下一个条件属性。

步骤8：当时，求得属性约简集合R。/