属性依赖度相关论文
信息化时代,人们从各种渠道获取越来越多的数据,尤其是医疗数据、商业数据、教育数据和环境数据。在数据挖掘、机器学习研究领域,......
特征选择已经成为数据挖掘、机器学习、模式识别等领域的研究热点。特征选择用更稳定的特征集合以适当的精度表示原始特征集合。特......
高效的属性约简算法是粗糙集理论在智能决策和数据挖掘等领域应用的必要基础。有研究者已经从理论上证明找出一个信息系统的最小约......
偏好处理是人工智能领域的一个热门研究领域,条件偏好网(Conditional Preference networks,CP-nets)是一种图模型,可以表示变量与......
将信息熵理论与直觉模糊粗糙集结合起来,提出一种基于互信息的直觉模糊粗糙集属性约简新算法.给出了在直觉模糊环境下,基于互信息......
建立病变组织分类模型的关键在于找出一组能准确区分样本类别的特征基因。糙集理论中的属性依赖度分析方法能对目标数据进行有效分......
通过对多种约简方法进行比较,为了得到更好的结果,在传统基于属性依赖度的约简方法基础上,定义更精确的强化正域概念。通过对边界......
随着计算机技术的发展，急剧产生海量的数据。如何从这些数据中提取有用的信息是一个重要的问题。一种新的数据分析方法——粗糙集理......
特征选择是模式识别领域重要的数据预处理步骤之一,旨在从原始特征集合中选出最有效的特征子集使得给定评价准则达到最优。为此,文......
对医疗数据进行挖掘能够对现有病历数据库中的数据进行自动分析并且提供有价值的医学知识。针对信息系统S=（U,C∪D,f,V）,提出一种精......
有效的知识约简算法是粗糙集理论的重要研究内容。粗糙集是一个去掉冗余特征的有效工具。经典的粗糙集方法要求数值用离散数据表达......
粗糙集理论是一种新的数据挖掘算法,文章以属性依赖重要性作为启发信息提出了一种新的属性约简算法,且加入了一定的分类正确度.最......
基于粗糙集的决策树算法由于粒化冲突与噪声影响容易导致特征选择的失效。提出属性纯度并结合属性依赖度来构建决策树归纳算法。采......
证据理论是处理不确定问题的重要方法，其处理的证据来源于专家，而专家的知识经验是有限的，且存在一定的主观性。在证据合成中。Dempst......
准确地估算配置产品装配时间是确定产品销售报价和交货期的基础,是在大规模定制生产环境中取得竞争优势的关键。应用粗糙集的方法......
连续属性离散化是数据分析中重要的预处理过程，而基于粗糙集理论的数据分析要求离散化的结果能够最大程度的保持原信息系统的分辨关......
简单分析了词频方法和文档频方法,在总结其不足的基础上,提出了一个类别相关性方法,随后分析了ID 3中信息增益的缺点并引进属性依......
决策树归纳算法具有基于信息熵的决策树归纳算法和基于粗糙集的决策树归纳算法两种模式.在粒化冲突导致特征选择失效时,基于粗糙集......
决策树算法是一种重要的数据挖掘方法，ID3算法是最具影响的一种决策树生成算法。介绍了粗集理论的相关概念和传统的ID3算法基本原理......
针对基于粗糙集理论的不完备信息系统分类问题,本文在经典粗糙集的等价关系基础上,改进差异关系,完善容差关系,提出了改进的扩充粗......
由于子定性概率网(QPN)仅局限于表示子领域知识,为构建一个较大QPN进行知识的全面表示,基于粗糙集理论,提出了一种具有不同节点的......
随着互联网、数据存储、计算机技术的飞速发展,各领域产生的待处理高维大规模数据急剧增加。特征选择作为一种有效的数据处理方式,......
属性依赖度的计算在特征选择与属性约简中都起着重要作用,如何快速计算属性依赖度一直是学者关注的问题.针对一种快速依赖计算方法......
属性约简是粗糙集理论研究的重要内容之一,而求解最小约简是NP难问题。为了有效获取最优或次优约简,该文提出了一种基于遗传算法的......
属性约简是粗糙集理论的一个核心问题，而求解最小约简是NP—Hard问题。为了有效获取最小相对约简，提出一种基于遗传算法的粗糙集属性......
粗糙集理论主要研究由论域和属性集构成的知识表达系统。医疗诊断中，大量病例、疾病症状和疾病诊断结果构成了一个医学信息决策系统......
遗传算法是求解粗糙集最小约简这个NP-hard问题的一种有效方法,适应度函数的构造是其中的关键问题.针对这个问题,提出一个基于粗糙......
从预警机指挥引导的多机协同空战原则分析出发,针对超视距协同空战决策过程中的不确定性和不完备性问题,提出了一种不完备信息系统......
我国股票市场经过10多年的发展,取得了长足的进步。然而,与欧美等发达国家相比,我国股票市场仍是一个新兴的资本市场,在飞快发展的......
针对ID3中信息增益的缺点,通过引进属性依赖度进行改进,提出一种综合的特征选择方法,使用优化的文档频方法进行特征初选以降低文本......
针对传统粗集理论中属性赋权不一致,甚至相悖的问题,把2个概率分布的相对熵扩展到任意2个单维向量的相对熵,并将相对熵视作一种距......
进一步研究了直觉模糊信息系统的优势关系及其约简方法。首先针对直觉模糊信息系统定义了优势关系并研究其性质,给出相关的证明,然......
决策树是一种有效用于分类的数据挖掘方法。在决策树构造算法中,粗集理论的相对核已被应用于解决多变量检验中属性的选择问题。考......
粗糙集理论是一种新的数据挖掘方法，其主要思想是保持分类能力不变的情况下，通过属性约简，达到发掘知识并简化知识的目的。从大量数据......
单变量决策树算法造成树的规模庞大、规则复杂、不易理解，而多变量决策树是一种有效用于分类的数据挖掘方法。构造的关键是根据属性......
本文主要研究基于粗糙集理论的属性约简算法。提出了一种同时适合于相容信息表和不相容信息表的启发式约简算法，并通过算例验证了该......
阐述了粗糙集理论、遗传约简算法和粒子群约简算法。属性约简是知识发现的关键问题之一。传统的属性约简算法都是串行搜索的,算法......
数据库技术和Internet的发展使得收集和存储海量数据成为可能。面对越来越多迅速膨胀的数据，人们迫切需要具有强能力和高效率的信息......
目的采用粗糙集中的属性依赖度分析方法对胶合板缺陷检测数据进行分析，获得各属性对决策的不同作用，并得出各属性间的依赖关系．方法采......
针对文献[6]将粗糙集属性约简应用于信息隐藏盲检测中检测正确率有所下降的问题,提出了基于属性依赖度的图像隐写分析算法,该算法......
针对全国硕士研究生入学考试中高等数学成绩影响因素的多重性,在苏州大学文正学院2008级考研学生中,以高等数学为必考科目的所有学......
粗糙集理论是一种新型的处理模糊性和不确定性知识的数学工具,作为一种新的知识获取方法,粗糙集理论能有效地分析不精确、不一致、......
粗糙集理论是继概率论、模糊集理论、证据理论之后的又一个处理含糊性和不确定性的数学工具。属性约简算法是粗糙集理论的核心内容......
随着互联网和物联网技术的发展,数据的收集变得越发容易。但是,高维数据中包含了很多冗余和不相关的特征,直接使用会徒增模型的计......
定性概率是贝叶斯网的定性抽象,它以有向边上的定性影响代替贝叶斯网中的条件概率参数,描述了变量间增减的趋势,具有高效的推理机......
连续属性离散化是粗糙集应用研究的重点内容之一。基于条件熵可以反应属性依赖度的性质,将决策属性对条件属性的条件熵作为离散化......
连续属性离散化是数据分析中重要的预处理过程，而基于粗糙集理论的数据分析要求离散化的结果能够最大程度地保持原信息系统的分辨关......
