论文部分内容阅读
本文提出了一种基于粗糙集的既能学习决策性分类规则也能学习非决策性分类规则的方法,目的是获得更一般、更可靠的分类规则,并设计了相应的算法.算法的基本思想是允许用户在学习分类过程中指定三个参数:最小的支持度、分类规则必须满足的一致度、覆盖度,据此推导出满足参数要求的规则.最后将该方法应用于一个算例中,提取了满足给定参数阈值的规则.该方法在处理噪音数据及大型数据库分析等方面具有较强功能.