一个基于邻域粗糙集的前向贪心的属性约简算法

属性约简是机器学习和知识发现的研究热点, 而属性重要性度量则是构建属性约简算法的关键环节. 针对不完备的混合型信息系统, 在邻域关系下定义了一种新的属性集成重要性度量—–邻域组合测度, 并据此提出一种

提出一种新的属性约简算法——基于符号有向图的属性约简算法。该算法利用符号有向图中故障只能在相容通路中传播的性质对系统中的变量进行约简,然后利用支持向量机优良的分类性能进行故障诊断。挑选过程控制界公认的

提出一种新的基于粗糙集值约简和系统调用的进程异常检测方法。为了提高约简效率，改进了基于差别矩阵的粗糙集值约简算法。另外创建了一种新的检测模型，能在判断进程是否异常的基础上进一步识别异常种类。它以系统调

采用改进的贪心算法和遗传算法结合的混合遗传算法进行属性约简，并利用值约简后生成的入侵检测规则，提出一种基于粗糙集理论和遗传约简算法的入侵检测方法。基于KDDCUP99数据集的实验表明该方法取得了良好的

为提高多分类器系统的分类精度,提出了一种基于粗糙集属性约简的分类器集成方法MCS_ARS。该方法利用粗糙集属性约简和数据子集划分方法获得若干个特征约简子集和数据子集,并据此训练基分类器;然后利用分类结

该程序能很好的实现粗糙集系统的应用,对规则进行约简,提取,是学习智能系统的好工具

通过不同方法进行粗糙集属性约简matlab完整程序

粗糙集属性约简及其在电力系统中的若干应用

为了从多粒度、多层次的角度有效处理名义型属性和数值型属性并存的混合数据, 首先基于不同的属性集序列和不同的邻域半径构建双重粒化准则, 建立基于双重粒化准则的邻域多粒度粗糙集模型; 然后给出该模型的相关

研究论文资料。