城市轨道交通能耗案例知识约简方法研究(2)
3.5.1 一般值约简算法 15
3.5.2 基于正域的属性值约简算法 15
3.5.3 典型的基于决策表的启发式值约简算法 15
4 城市轨道交通能耗案例知识约简决策分析 17
4.1 城市轨道交通的特点 17
4.2 我国城市轨道交通能耗现状 17
4.3 城市轨道交通能耗影响因素 17
4.4 决策的目标 17
4.5 城市轨道交通案例能耗知识约简实例研究 18
4.5.1 地铁属性的案例化 18
4.5.2 数据的归一化处理 21
4.5.3 基于一般性知识约简方法的属性约简 23
4.5.4 K-fold交叉验证法 25
4.5.5 K-NN法 26
5 总结 29
致谢 30
参考文献 31
图表目录
表4.1初始属性记录数据表•••••••••••••••••••••••••••••••••••••••••••••••18
表4.2属性值转化为数字型的属性记录数据表••••••••••••••••••••••••••••••19
表4.3属性名转化后的数据表•••••••••••••••••••••••••••••••••••••••••••••20
表4.4归一化处理后的数据表•••••••••••••••••••••••••••••••••••••••••••••21
表4.5一般性知识约简方法的属性熵值表•••••••••••••••••••••••••••••••••••23
表4.6排序后的属性熵值表••••••••••••••••••••••••••••••••••••••••••••••23
表4.7约简后的属性表••••••••••••••••••••••••••••••••••••••••••••••••••24
表4.8属性组按照测试集的熵值排序表•••••••••••••••••••••••••••••••••••••24
表4.9约简后的属性表••••••••••••••••••••••••••••••••••••••••••••••••••25
表4.10取K为3属性距离表•••••••••••••••••••••••••••••••••••••••••••••26
上一篇：图像纹理特征提取及其分类性能分析