提出了一种基于粗糙集的决策规则挖掘算法。该算法主要包括属性归约、元组合并、规则提取和规则评估。最后用一个实例说明了算法的有效性。
相比于经典粗糙集方法,模糊粗糙集方法避免了数据离散化的过程,减少了信息损失。但基于传统模糊粗糙集的属性约简并未考虑实际应用中数据的测试代价,为解决这一问题,提出了一种近似质量与测试代价相融合的适应度函
决策粗糙集理论是姚一豫教授基于传统粗糙集提出的代价敏感的粗糙集模型,之后衍生了许多基于DTRS的属性约简,如保持正域不变的约简、保持正域和负域同时不变的约简、获取代价最小的约简等。然后这些约简是对所有
在知识发现过程中,由于待处理的数据集有时带有噪声或不完整,因此需要能处理不精确、不确定数据的理论和方法。粗糙集理论正是满足这种要求的新型数学工具。基于粗糙集的知识发现过程,就是利用粗糙集理论与方法从数
结合粗糙集理论和遥感数据中地物光谱特征空间分布信息,提出了一种基于光谱特征邻域的容差粗糙集分类方法,用来处理卫星遥感数据分类中的不确定性问题。利用北京地区Landsat-5TM数据进行分类试验,对算法
对具有有界扰动和未建模动态的多变量系统,设计鲁棒稳定的自适应控制律,并进行了稳定性分析。在设计中,采用死区与正规化信号相结合的方法,控制器采用极点配置的形式。正规化信号的引入,使得建模误差和扰动产生的
在对信息系统中的属性进行概念分层的基础上,提出一种基于粗糙集理论的数据挖掘方法,该方法能针对 用户对不同层次规则的挖掘需求,通过概念分层和数据预处理建立相应的信息系统,进行递进求精的粗糙集约简,实 现
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
文本分类代码
基于粗糙集理论求信息系统和决策系统的属性约简,代码有详细注释,能运行,希望和大家一起交流。