分享到:

可变精度粗糙集合模型研究与应用

可变精度粗糙集合模型是经典粗糙集理论的一个扩展模型,它是在经典粗糙集合模型中引入了分类正确率β,其分类是部分的。本文首先比较全面地介绍了可变精度粗糙集合模型的基本概念,然后以此为基础,对可变精度粗糙集合的以下几个重要问题进行了深入细致地研究。已知一个决策表,如何评价属性的重要性,关于这一问题目前已有不少文献进行了相关研究,但这些研究多是针对经典粗糙集理论进行的,本文讨论了基于可变精度粗糙集模型的属性重要性评价方法,同时将该方法应用于组合预测中。分类正确率β和分类能力γ是可变精度粗糙集合模型的两个重要参数。本文详细论述了两者的相互关系及相互影响,并提出了β域观点,试图以对β域的研究代替传统的对特定β值的关注。属性约简是采用可变精度粗糙集合模型生成有效规则的关键。传统的β约简定义的核心是保持β分类能力不变,笔者在研究中发现依照该定义求得的约简存在规则不一致现象,并针对这一现象进行深入研究,给出新的β约简定义及相应的约简方法。核属性是  (本文共65页) 本文目录 | 阅读全文>>

《郑州大学学报(理学版)》2016年03期
郑州大学学报(理学版)

多粒度广义L-模糊可变精度粗糙集

为了更有效地处理不精确性问题,将模糊变精度粗糙集与多粒度相结合,成为研究的热点.在不可交换的广义剩余格的基础上,定义了基于L-模糊近似空间的广义L-模糊可变精度粗糙集中...  (本文共8页) 阅读全文>>

《哈尔滨师范大学自然科学学报》2009年04期
哈尔滨师范大学自然科学学报

基于相似关系的变精度粗糙集的数据约简

基于最大相似类的变精度粗糙集模型.此模型把变精度粗糙集的基础由等价关系拓展到条件更弱的相似关系,更好...  (本文共4页) 阅读全文>>

《计算机工程与应用》2008年10期
计算机工程与应用

基于可变精度粗糙集的驾驶员多源信息融合研究

研究了应用可变精度粗糙集获取驾驶规则的方法。该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取。粗糙集理论一直用于研究不确定或不精确信息的数据分析问题...  (本文共3页) 阅读全文>>

《系统仿真学报》2006年12期
系统仿真学报

基于不对称边界的变精度粗糙集的参数选择

不对称边界的变精度粗糙集是Pawlak粗糙集、变精度粗糙集的推广,在l和u参数作用下,使粗糙集模型更加一般化,完善了近似空间的概念。...  (本文共3页) 阅读全文>>

西北师范大学
西北师范大学

基于变精度粗糙集的K-means聚类算法研究

数据挖掘是人工智能领域中的重要组成部分,同时也是一个多领域交叉的学科,广泛的应用于数据处理方面。Pawlak于1982年提出了粗糙集理论(Rough Set,RS),其能够处理数据集中不明确的以及不完备的信息,可以从庞杂的数据中提取出蕴含的重要模式。但是,当数据集中存在噪音数据时,粗糙集在处理此类数据时存在过拟合而无法准确的提高数据处理能力的问题。因此为增强对噪音数据的抗干扰能力,W.Ziarko于1993年提出了变精度粗糙集(Variable Precision Rough Set,VPRS)模型,该模型通过引入了一个精度?来降低RS理论对近似边界区域的严格要求,使得集合的上、下近似拓展到任意精度水平??[0,0.5),VPRS是对经典RS的一种理论拓展。聚类分析是根据对象之间的差异性来反映对象间的相似性,使得类内对象之间的差异性尽可能小,类间对象的差异性尽可能大。K-means聚类算法是一种重要的划分方法,该算法是任意选取簇...  (本文共52页) 本文目录 | 阅读全文>>