【技术实现步骤摘要】
一种异构特征混合提取方法
[0001]本专利技术属于模式识别和机器学习领域,特指特征提取。
技术背景
[0002]特征提取是进行模式识别和机器学习的预处理步骤,只有准确提取了数据特征才能进行正确的分类。同构数据的特征提取操作比较容易,但是,对于数值特征属性和类别特征属性共同组成的异构数据在特征提取上就需要混合提取方法。
技术实现思路
[0003]本专利技术的目的是提供一种异构特征混合提取方法,以解决模式识别和机器学习领域中数据混合特征的提取问题。
[0004]本专利技术为实现上述目的,采取的技术方案如下:异构数据属性决策表中有数值特征属性和类别特征属性,将异构数据属性划分成数值特征属性空间和类别特征属性空间,计算样本在两个空间并集上的粒度,再计算目标子集的近似上限和近似下限,进而可以提取混合特征。
[0005]本专利技术相对于现有技术的有益效果是:可以解决异构特征数据的混合提取,为数据分类做好预处理准备工作。
附图说明
[0006]图1是异构决策表。
具体实施方式
[0007]一种异构特征混合提取方法,该方法具体为:一个结构化数据信息系统的决策表可以表示为:
[0008]DT=<U,A〉
ꢀꢀꢀꢀꢀꢀꢀ
(1)
[0009]其中,全域U是一个非空有限样本集{x1,x2,
…
x
n
},A是一个特征属性集合{a1,a2,
…
a
m
},n和m是 ...
【技术保护点】
【技术特征摘要】
1.一种异构特征混合提取方法,其特征在于:该方法具体为:异构特征属性集合和分别表示数值特征属性集合和类别特征属性集合,则样本x在特征属性集合B1、B2和B1∪B2上的邻域粒度可以表示为:上的邻域粒度可以表示为:上的邻域粒度可以表示为:其中,操作∧表示合取,i是任意的正整数;式(1)表示数值特征属性,式(2)表示类别特征属性,式(3)表示数值和类别的混合属性;根据式(1)和式(2)...
【专利技术属性】
技术研发人员:乔付,刘瑶,郝博麟,刘忠艳,姜微,熊建芳,
申请(专利权)人:岭南师范学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。