通过不同方法进行粗糙集属性约简matlab完整程序
一种较先进的属性约简算法,算法介绍很详细,并且有实例,很具有实际参考意义
属性约简能有效地去除不必要属性,提高分类器的性能。模糊粗糙集是处理不确定信息的重要范式,能有效地应用于属性约简。在模糊粗糙集中,样本分布的不确定性会影响对象的近似集,进而影响有效属性约简的获取。为有效
一种粗糙集属性约简的改进算法,贾利娟,冯璇,属性约简是粗糙集理论的核心内容之一。本文结合粗糙集知识对基于Skowron[1]区分矩阵的属性约简算法进行改进,形成一种简单、有效、��
以邻域粗糙集的属性重要度作为量度,从一个空集出发,前向贪心的选择重要度大的属性并入到约简集合,直到达到约简条件。
针对基于分辨矩阵约简算法中存在冗余元素,从而导致空间存储代价高的问题,提出一种基于加权浓缩树的属性约简算法。该算法可以进一步剔除冗余元素,压缩存储分辨矩阵中的信息,并且在构建树结构的过程当中考虑了属性
作为Pawlak粗糙集的扩展,邻域粗糙集能有效地处理数值型的数据。但是,因为沿用了Pawlak粗糙集在构造上下近似集时的包含关系,邻域粗糙集对噪声数据的容错性很差。针对这个问题,通过引入贝叶斯最小风险
基于粗糙集属性约简以及概念格的关联规则挖掘分析,word文档,适合概念格和粗糙集的初学者使用
一种基于并行遗传算法的粗糙集属性约简,是我找到比较实用的算法!
粗糙集理论及其在知识发现中的运用,适合于初学者,是份很不错的资料
