期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
以互补条件熵为启发信息的正域属性约简 被引量:2
1
作者 魏巍 陈红星 王锋 《计算机工程与应用》 CSCD 2013年第11期96-100,共5页
属性约简是一种特殊的特征选择方法,是粗糙集理论中的核心内容之一。正域约简是一类常见的启发式的约简方法,它通常采用前向贪婪搜索策略产生候选的属性子集,以相对正域作为启发信息和停止条件。根据互补条件熵的随划分的变化规律,分四... 属性约简是一种特殊的特征选择方法,是粗糙集理论中的核心内容之一。正域约简是一类常见的启发式的约简方法,它通常采用前向贪婪搜索策略产生候选的属性子集,以相对正域作为启发信息和停止条件。根据互补条件熵的随划分的变化规律,分四种情况分析了约简过程中某个属性加入属性子集后,相对正域和互补条件熵的变化,并在此基础上提出了一种以互补熵为启发信息的正域属性约简方法。实验分析表明,新方法与传统的正域约简算法相比,可以得到属性数量更少且决策性能非常接近的约简,同时可以有效地提高约简计算效率。 展开更多
关键词 粗糙集 属性约简 互补熵 正域
在线阅读 下载PDF
一种缺失数据的填补方法 被引量:7
2
作者 张其文 李明 《兰州理工大学学报》 CAS 北大核心 2006年第2期102-104,共3页
分析了在含有遗失值的数据集上如何进行有效的数据填补,以便更客观地反映数据集中数据所隐含的内在联系.通过采用粗糙集理论的有关思想和方法,用相似关系代替粗糙集理论中的不可分辨关系,提出了基于相似关系的填充算法,提高了遗失数据... 分析了在含有遗失值的数据集上如何进行有效的数据填补,以便更客观地反映数据集中数据所隐含的内在联系.通过采用粗糙集理论的有关思想和方法,用相似关系代替粗糙集理论中的不可分辨关系,提出了基于相似关系的填充算法,提高了遗失数据填补的精确度.数据实验表明了该方法的有效性和可行性. 展开更多
关键词 信息系统 粗糙集 遗失值 数据补全 相似类
在线阅读 下载PDF
一种不完备决策表的数据补齐方法 被引量:1
3
作者 王希雷 《天津科技大学学报》 CAS 2007年第3期62-64,共3页
针对不完备信息系统,提出缺失比概念.用缺失比表示待填充样本中缺失数据和剩余数据对决策结果的影响能力的大小,进而根据缺失比选择使用的约简,然后通过填充矩阵寻找缺失数据的最大可能值.采用对Rough集进行扩充和数据填补相结合的决策... 针对不完备信息系统,提出缺失比概念.用缺失比表示待填充样本中缺失数据和剩余数据对决策结果的影响能力的大小,进而根据缺失比选择使用的约简,然后通过填充矩阵寻找缺失数据的最大可能值.采用对Rough集进行扩充和数据填补相结合的决策表数据补齐方法.试验结果表明该方法有较好效果. 展开更多
关键词 rough 数据补齐 不完备信息系统 遗漏值
在线阅读 下载PDF
粗糙集的两种新型算子及其Boolean代数性质 被引量:2
4
作者 张化光 梁洪力 《应用科学学报》 CAS CSCD 2004年第4期503-508,共6页
主要定义两种新型算子并讨论基于这两种新型算子的粗糙集的代数性质.基于这两种算子建立了粗糙集的并、交、补运算,并证明在此定义下的粗糙集补集为Boolean补.
关键词 代数性质 算子 补集 粗糙集 证明 运算
在线阅读 下载PDF
粗糙集的BCK-代数
5
作者 宋艳丽 张秋娜 《甘肃联合大学学报(自然科学版)》 2008年第1期9-12,共4页
在粗糙集的代数方法研究中,一个重要的方面是从粗糙集的偶序对(<下近似集,上近似集>)表示入手,通过定义偶序对性质的基本运算,从而构造出相应粗代数,并寻找能抽象表示偶序对的性质的一般代数结构.其中最有影响的粗代数分别是粗双s... 在粗糙集的代数方法研究中,一个重要的方面是从粗糙集的偶序对(<下近似集,上近似集>)表示入手,通过定义偶序对性质的基本运算,从而构造出相应粗代数,并寻找能抽象表示偶序对的性质的一般代数结构.其中最有影响的粗代数分别是粗双stone代数、近似空间代数和粗Nelson代数.文章讨论了近似空间中粗糙集的代数性质,通过所给的粗糙并、交、补的定义,定义了粗糙集的全体所组的集合B的一个二元运算*.并证明B是一个蕴涵的BCK-代数. 展开更多
关键词 粗糙集 粗糙并 BCK-代数 交换的BCK-代数 正蕴涵的BCK-代数 蕴涵的BCK-代数
在线阅读 下载PDF
粗集代数与伪补MS代数
6
作者 王莉 陈世联 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2006年第S1期76-78,共3页
给出了由粗集代数构造伪补MS代数的方法.借助近似代数上的原子及同余关系,证明了在适当选取余运算之后,粗集代数就构成伪补MS代数.
关键词 粗糙集 粗集代数 伪补MS代数
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部