（1）属性增加且属性值细化后动态属性约简算法与非动态属性约简算法结果比较.
在仿真实验过程中，把表7-1 中的数据集按照属性均匀分成两部分，其中包含50%的条件属性、决策属性的数据集作为基本数据集，剩余50%的数据集按照条件属性均匀分成5 部分并依次添加到基本数据集中，同时分别对基本数据集中50%的数据集按照对象均匀分成5 部分并对其属性值进行细化.当决策信息系统增加了属性集及部分属性值发生细化时，分别用动态属性约简算法和非动态属性约简算法运行变化后的数据集.实验结果如图7-1 中的每个子图所示.图7-1 中的横轴为增加属性且属性值发生细化数据集的规模，纵轴为不同属性约简算法计算决策信息系统约简的运行时间，圆形线代表非动态属性约简算法的计算时间，方形线代表动态属性约简算法的计算时间.
图7-1 增量属性约简算法和非增量属性约简算法运行时间的比较
从图7-1 的每个子图可以看到：动态属性约简算法计算约简的运行时间远远小于非动态属性约简算法计算约简的运行时间.因此，本章所提出的属性增加且属性值细化后动态属性约简算法具有较强的计算性能的优势，能够有效处理动态变化数据集属性约简的问题.(www.xing528.com)
（2）属性增加且属性值细化后动态属性约简算法与非动态属性约简算法所得的约简分类精确度的比较.
在仿真实验过程中，把表7-1 中的数据集按照属性均匀分成两部分，其中包含50%的条件属性、决策属性的数据集作为基本数据集，剩余50%的条件属性的数据集作为增量属性集，当基本数据集添加增量属性集，同时基本数据集中50%的数据集对象的属性值发生了细化时，分别用动态属性约简算法和非动态属性约简算法运行变化后的数据集.另外，我们运用十字交叉法分别对动态属性约简算法和非动态属性约简算法计算约简的分类精确度进行比较分析，实验结果如表7-2 所示.
表7-2 动态属性约简算法和非动态属性约简算法获得约简分类精确度的比较
从表7-2 中我们发现，动态属性约简算法和非动态属性约简算法所获得的约简分类精确度的值是非常相近甚至是相等的.仿真实验结果表明：当决策信息系统增加了属性集及部分对象的属性值被细化时，本章所提出的属性增加且属性值细化后动态属性约简算法获得约简是有效的.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
