1) attribute reduction
属性约减
1.
an application of neural net on attribute reduction is proposed,by which,to a greater extent,the overfitting in boost- ing is avoided.
本文提出了使用神经元网络技术进行属性约减后进行助推决策树建模的方法,较大程度上避免了助推的过度训练问题。
2.
A Algorithm for Attribute Reduction with Uncertain Factor Based on Rough Sets
粗糙集作为数据挖掘工具,主要通过分类数据得到预测型知识,但分类规则过于严格,使得挖掘结果可能会损失一些有价值的规则,本文引入带不确定性因子的决策系统UFDS,在该系统中根据统计结果和领域知识为每一对象赋以不确定度k和重要度p,并对传统等价类划分进行扩充,成为重要类和负类,在此基础上提出了带不确定因子的属性约减算法。
2) Properties Reduction
属性约减
1.
At present,with the speed lower problem of ontology matching,based on the ontology technology and the rough sets theory,this paper performs 3 step pretreatment operations before the ontology matching: the standardization treatments of the ontology,the irrelevant properties reduction for obtaining the smallest or the minimum properties sets,properties weights statistics.
针对目前本体匹配速率低的问题,基于本体技术和粗糙集理论,提出在本体匹配之前先进行3步预处理操作:规范化待匹配本体,对待匹配进行不相关属性约减以求得最小或极小属性集,属性加权统计。
3) attribute-value reduction
属性值约减
4) irrelevant properties reduction
不相关属性约减
1.
Before services matchmaking, according to service request, OGSDA-RS performs the standardization of service request, irrelevant properties reduction and dependent properties reduction.
针对网格服务发现的查全率、查准率效率较低的现状,基于本体技术和粗糙集理论,设计了一个服务发现算法OGSDA-RS,在服务匹配之前先进行3步预处理操作:规范化请求服务,根据请求服务对发布服务进行不相关属性约减和依赖属性约减。
5) dependent properties reduction
依赖属性约减
1.
Before services matchmaking, according to service request, OGSDA-RS performs the standardization of service request, irrelevant properties reduction and dependent properties reduction.
针对网格服务发现的查全率、查准率效率较低的现状,基于本体技术和粗糙集理论,设计了一个服务发现算法OGSDA-RS,在服务匹配之前先进行3步预处理操作:规范化请求服务,根据请求服务对发布服务进行不相关属性约减和依赖属性约减。
6) attributes descending reduction
属性递减约简
补充资料：减约
1.俭省节约。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条