变精度邻域粗糙集相关论文
在现实世界中,多标记数据下的每一个样本都可能同时属于多个类别。多标记学习是目前机器学习中的热点研究问题。这类问题在文本分......
提出一种用于变精度邻域粗糙集,可以大幅减少时间复杂度的属性约简算法.该算法基于一种改进的辨识矩阵.首先用辨识矩阵同时记录决......
指出变精度邻域粗糙集整体精度虽然较高,但个别决策类精度可能较低,不利于乳腺癌诊断。针对该问题,提出基于下近似分布不变的改进......
多标记学习是目前机器学习中的热点研究问题。本文基于变精度邻域粗糙集探究多标记学习中的特征选择方法,并对所得到的多标记子空......
利用邻域粗糙集处理数值型数据,可以解决经典粗糙集不能直接处理数值型数据的问题,改进后的变精度邻域粗糙集可以增强抗噪声的能力......
变精度邻域粗糙集相比于邻域粗糙集具有抗噪容错的能力,但由于重新定义了下近似,正域的划分不再严格,使得属性重要度的可信度降低,......
变精度邻域粗糙集可以处理数值型数据,并具有更好的抗噪音能力.然而已有的模型依靠先验知识确定精度值β,就影响了客观性.针对该问......