一种新的基于属性重要性的粗糙集值约简算法,共同学习,共同进步
针对置信规则中规则数的“组合爆炸”问题, 目前的解决方法主要是基于特征提取的规则约简方法, 有效性依赖于专家知识. 鉴于此, 提出基于粗糙集理论的无需依赖规则库以外知识的客观方法, 按照等价类划分思想
针对煤矿瓦斯灾害的特点,提出了用粗糙集理论对瓦斯灾害进行预测.分析了瓦斯灾害特征,并建立了瓦斯灾害特征知识库,应用粗糙集理论建立了煤矿瓦斯灾害预测的数据挖掘模型,讨论了瓦斯灾害预测模型中的粗糙集属性关
回复规划v还不回家不好几部科技板块你看客户交纳
邻域系统粗糙集和覆盖粗糙集是经典粗糙集的两种重要扩展。通过分别比较各模型中下(上)近似集之间的包含关系和近似精度之间的大小关系,深入探讨邻域系统粗糙集和6种覆盖粗糙集模型之间的关系,得出了邻域系
随着网络和通信技术的快速的发展,社会进入了大数据时代。如何能够快速地从海量大数据中找到属性约简是目前研究的一个热点。由于传统属性约简的方法在计算大数据属性约简时,需要消耗巨大的计算时间,不能有效地处理
决策粗糙集理论是经典粗糙集理论结合贝叶斯理论拓展而来。为在不完备区间值信息系统下研究决策粗糙集理论,首先提出属性相似度的概念,并基于属性相似度定义了双精度容差关系。然后,基于双精度容差关系,结合贝叶斯
在大数据时代,数据不仅类型多样、结构复杂还具有动态变化的特点,传统的分析工具已经不能满足大数据分析的需求。如何快速有效地从大规模数据中获取有价值的信息成了一个具有挑战性的问题。一些学者将粗糙集属性约简
粗糙集属性约简及其在电力系统中的若干应用
粗糙集理论中。对决策表进行约简,其中包含数据离散化和条件属性的多种约简方式。