是基于邻域粗糙集的一种快速属性约简算法

粗糙集方法是一种处理不确定或模糊知识的重要工具。传统的粗糙集模型对最简规则集的研究都是针对静态数据的,对于动态数据却显得无能为力。但在实际应用中,数据库中的数据往往是动态变化的,因此,对规则约简的增量

过量过滤规则存在冗余性影响着网关设备处理性能。在分析过滤规则属性集的基础上，利用粗糙集区分矩阵的性质对过量过滤规则属性集进行约简处理。同时，通过属性权重方法产生过滤规则属性核集实现对过量过滤规则冗余的

关于粗糙集和邻域粗糙集的基本理论和程序算例包含邻域粗糙集计算的matlab算例，说明文档（个人编写的）说明文档包括了粗糙集和邻域粗糙集的基础知识讲解，实际算例，程序的应用介绍，程序使用算例。如果你没有

单调性在经典粗糙集属性约简过程中发挥着重要的作用。然而，在一些扩展模型中该单调性质并不存在，如变精度粗糙集模型。针对该问题，提出了变精度粗糙集模型中下近似单调约简的定义，下近似单调约简算法打破了传统意

目前我国企业效绩评价体系中存在指标冗余和指标关联两方面的缺陷，通过引入粗糙集理论与属性约简规则，结合16家沪市上市公司实例，在保证粗糙分类质量不变的情况下，对企业效绩评价指标属性约简。 结果表明，针对

根据灾害系统理论和风险理论,结合煤矿瓦斯爆炸特点,构建了由孕险环境、致险因子、承险体3个子系统组成的煤矿瓦斯爆炸灾害风险指标体系,通过分析2002-2012年我国瓦斯事故统计数据,采用粗糙集属性约简方

分析了目前入侵检测系统运行机制和不足,提出了一种基于粗糙集的遗传算法,通过粗糙集属性精简遗传算法种群,并在变异操作中将优异个体朝重要属性加速变异,降低算法时空复杂度。通过实验验证,该算法收敛速度快,检

属性约简是粗糙集理论一项重要的应用,目前已广泛运用于机器学习和数据挖掘等领域,邻域粗糙集是粗糙集理论中处理连续型数据的一种重要方法.针对目前邻域粗糙集模型中属性约简存在的缺陷,构造一种基于邻域粗糙集的

鉴于传统基因选择方法会选出大量冗余基因从而导致样本预测准确率较低,提出了一种基于信噪比与邻域粗糙集的特征基因选择方法(Signal noise ration and the neighborhood

通过不同方法进行粗糙集属性约简matlab完整程序