《表3 DMR和AR1,AR2约简结果的分类精度(ACC)和所选特征个数(NUM)的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于区分矩阵的多粒度属性约简》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验中，本文采用10折交叉验证方法，通过在6个数据集的属性粒化过程中将阈值μ设为0.001，并用KNN分类器（K=5）的分类精度评估属性约简算法的优劣。实验结果如表3所示，DMR与传统正域意义下的AR1，AR2相比，DMR算法获得的约简虽然数目较多，但是构造的KNN算法的分类性能比AR1算法和AR2算法更优。