《表4 实验数据集：Spark下的分布式粗糙集属性约简算法》

  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

《Spark下的分布式粗糙集属性约简算法》

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

算法SP-WOFRST与SP-RST都基于经典粗糙集理论（Pawlak粗糙集模型[3]），它们所处理的分类必须是完全正确的或肯定的，因为它是严格按照等价类来分类的，因而它的分类是精确的，亦即“包含”或“不包含”，而没有某种程度上的“包含”或“属于”，因此对噪声的处理能力较弱。UCI上的高维数据集大部分无法满足上述要求，并不适合用于本文的算法测试，而低维数据集虽然符合要求，但由于数据量过少，难以展现实验结果。因此使用了两个人工数据集arsds1与arsds2来测试算法的性能，数据集相关属性见表4。arsds1是一个高冗余度的数据集，其中包含50个互不冗余的必要特征，400个冗余特征以及50个无关特征；arsds2中包含250个互不冗余的必要特征，200个冗余特征以及50个无关特征。即在理想情况下，对两个数据集作特征选择的结果中应当分别包含50个或250个必要特征。