基于知识粒度属性约简的一个算法

针对在 Ng uy en 和 Skow r on 的离散化算法中进行启发式约简时会出现某些属性不能进行离散 化问题,以及在无核数据集中启发式约简算法计算量比较大等问题,在粗糙集理论和属性频率函数的基

通过将连续属性离散化和属性约简结合起来，首先对连续型的属性列进行离散化，得到新的决策表；然后再对新的决策表作属性约简,解决了属性约简过程中由于不考虑连续属性而无法求出准确约简属性的问题。最后通过具体案

一个基本的属性约简matlab实现程序，有注释。

A*算法的一个实现，有可能用于：算法设计与分析，人工智能

数据挖掘中的关联规则中的Apriori算法，Apriori

一个简单的C++写的A*算法实现，实现自动寻径，可当作理解A*算法的思想。

由于原始海量数据规模较大，聚类算法难以实现，而且聚类分析有时候只考虑关键属性作为分类参数。因此提出了一种对原始数据先进行属性约简，再聚类分析的策略，可以在一定程度上消除数据对象中的冗余属性，改善聚类分

针对经典粗糙集理论的属性约简，从三个方面对属性约简方法进行综述。最后对属性约简中存在的问题进行了分析，并提出了进一步研究的方向

邻域属性约简:基于样本选择的多准则策略

基于幂树的决策表最小属性约简