【摘 要】
:
基于粗糙集理论定义的属性约简大都要求约简前后正区域保持不变或者非负区域不变.在概率型决策粗糙集模型下,决策区域和决策规则与属性增减之间并不具备单调性.因此,决策者基于约简后的属性集合所作的决策风险最小就变得非常有意义.针对这种与各个区域无关的基于决策风险最小化的属性约简进行了研究.考虑到不同属性对决策表的决策分类能力不同,提出了基于决策粗糙集模型的属性重要性概念,从而设计了一种有效的基于属性重要性
【机 构】
:
重庆邮电大学计算智能重庆市重点实验室 重庆400065
【出 处】
:
第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议
论文部分内容阅读
基于粗糙集理论定义的属性约简大都要求约简前后正区域保持不变或者非负区域不变.在概率型决策粗糙集模型下,决策区域和决策规则与属性增减之间并不具备单调性.因此,决策者基于约简后的属性集合所作的决策风险最小就变得非常有意义.针对这种与各个区域无关的基于决策风险最小化的属性约简进行了研究.考虑到不同属性对决策表的决策分类能力不同,提出了基于决策粗糙集模型的属性重要性概念,从而设计了一种有效的基于属性重要性的决策风险最小化启发式属性约简算法.实例分析与对比实验结果说明新方法是有效的.
其他文献
不确定性概念的认知、处理和表示是人工智能研究和人类认知中的一个基础问题.在人工智能领域中已经提出了概率论、模糊集、粗糙集、云模型等诸多理论模型来解决这一问题.然而,人类基于词语(概念的内涵)处理不确定概念,而计算机基于样本集(概念的外延)处理不确定性概念.近年来,数据挖掘和机器学习在知识获取方面已经取得了一定的进展.这些方法仅研究了从概念的外延获取其内涵的单向认知计算问题.报告将介绍基于云模型研究
多媒体标注是多媒体研究领域中的核心问题之一.在过去20年中,尽管研究者们对多媒体自动标注作了大量的工作,但对于大规模的复杂多媒体数据仍然难以取得令人满意的效果.同时,在Web2.0时代,我们见证了大量普通用户在各种交互式应用中的力量.因此,如何结合人与机器的智能来完成多媒体标注成为一个备受研究者关注的问题.在这个报告中,基于人机结合的多媒体标注被统称为辅助多媒体标注,同时已有的各种方法被归为3类:
人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来.本文基于云模型理论,首先给出一种新的稳定的逆向正态云发生器算法,通过实验对比分析说明该方法的稳定性;其次,根据正向正态云发生器由概念内涵生成概念外延以及逆向正态云发生器由概念外延形成概念内涵的特点,通过模拟实验实现人们对概念认知的稳定双向过程,即概念内涵与外延之间的稳定双向认知过程.
Along with the development of social economy and information technology,the complexity and uncertainty of the problem are increasing,which brings new challenges and opportunities in intelligent inform
Decision tree and fuzzy rough set are two distinct but complementary classifiers.Decision tree is a simple and easy-understandable rule-based classifier,whereas the tool of fuzzy rough sets are effect
提出覆盖的表示矩阵,通过一个方布尔矩阵,即覆盖表示矩阵与其转置的布尔乘积,来简洁地表示覆盖粗糙集中常用的覆盖近似算子.覆盖的表示矩阵继承了覆盖的重要性质,因此在理论上,覆盖粗糙集中的核心概念和算法都可以通过它来表示和实现.通过定义类似布尔乘积的布尔矩阵运算,来获得一个布尔方矩阵.通过这个布尔方矩阵,简洁地表示邻域近似算子.因为方布尔矩阵和二元关系是一一对应的,所以上面提到的两种方布尔矩阵都有唯一的
研究了M-格蕴涵代数作为赋值域的格值模态命题逻辑系统中的演绎定理与替换定理,从而为格值命题逻辑系统的完备性定理奠定了基础.
Recently,the connection between Matrix Theory and Formal Context Analysis (FCA) has been widely explored.However,most of the literatures only paid attention to non-linear decomposition of matrix,and o
粗糙集理论已成功应用于数据挖掘、模式识别、机器学习等领域,但粗糙集理论应用于神经网络结构选择的工作尚未见到.本文提出了一种基于相容粗糙集技术的ELM网络结构选择方法,该方法利用相容依赖度度量神经网络隐含层结点的重要性.实验结果证明本文提出的方法是行之有效的.
云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型.基于云模型概念内涵与外延之间的不确定性双向转换机制,通过给出的概念区间映射方法,将两个(或多个)原始概念分别映射到它们共同的交、并区间上,通过云滴隶属度的模糊运算定量实现概念内涵的“软交”、“软并”逻辑运算.