在实验仿真过程中，我们把表8-1 中的数据集按照对象均匀分成两部分，其中50%的数据集作为基本数据集，基本数据集中一半数据集的20%、40%、60%、80%、100%的属性值进行细化，另一半数据集的属性值没有发生变化，剩余50%的数据集按照对象的20%、40%、60%、80%、100%依次作为增量对象集，并用动态属性约简算法和非动态属性约简算法运行这些数据集，实验的仿真结果如图8-1 中各个子图所示，其中纵轴表示算法的计算时间，横轴表示数据集中对象属性值发生细化且增加对象的百分数.圆形线代表非动态属性约简算法的运行时间，方形线代表动态属性约简算法的运行时间.
图8-1 动态属性约简算法和非动属性约简算法运行时间的比较
从仿真实验结果可以看出，当决策信息系统对象的属性值被细化且增加了对象集时，所提出的动态属性约简算法的计算时间远远小于非动态属性约简算法的计算时间，从而说明本章所提出的属性值细化且对象增加时的动态属性约简算法是有效的.(www.xing528.com)
（2）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比较.
在分类精度仿真实验中，把表8-1 中的数据集按照对象均匀分成两部分，其中一部分数据集作为基本数据集，另一部分作为增量数据集，当基本数据集中一半数据集的属性值发生了细化，另一半数据集的属性值未发生变化，并把增量数据集添加到基本数据集中，分别用动态属性约简算法和非动态属性约简算法运行这些数据集.最后，运用十字交叉法和贝叶斯分类算法计算不同属性约简算法所得约简的分类精确度并对其进行分析比较，所得结果如表8-2 所示.
表8-2 比较动态属性约简算法和非动态属性约简算法获得约简的分类精确度
从表8-2 可以看出，动态属性约简算法和非动态属性约简算法所得约简的分类精确度的值是相近的.结果说明，当决策信息系统对象的属性值被细化且增加了对象集时，本章所提出的属性值细化且对象增加时的动态属性约简算法所得到的约简是有效的.
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。
