F-粗糙集相关论文
数据流是大数据的主要形式。概念漂移的探测以及数据流的分类是当前数据流挖掘的主要研究方向。虽然有不少概念漂移的探测方法,但......
随着信息技术的不断发展,数据总量迅速膨胀变大,且超过传统数据库系统驾驭数据的能力,人们对这类数据赋予了新的术语——大数据。......
大数据时代下,在生产实践中获取的属性越来越多。一部分属性可能是冗余的或与分类任务无关,在进一步数据处理之前需要将它们删除。......
模糊粗糙集的知识约简是模糊粗糙集理论的核心内容之一，从增量式的数据、海量数据或动态数据中挖掘出人们感兴趣的知识，是数据挖掘研......
粗糙集是粒计算的一种重要方法,数据异构性是大数据的一种特征.针对异构数据问题,探索了粗糙集属性约简的本质,提出了概念属性约简......
F-粗糙集是一种针对信息表簇或决策表簇的新的粗糙集模型．利用F-粗糙集模型中上、下近似的思想，定义了不确定性概念漂移的一些度量，包......
在社会生产和生活实践中,人们面对的数据规模往往是巨大的,甚至是无限的。数据挖掘技术的出现很好地解决了人们通过不精确的、模糊......
利用三支决策粗糙集模型进行决策时，往往将数据集中在一个信息表中，从整体角度分析客观事物并对其进行决策。然而在多人决策这种......
概念漂移探测是数据流挖掘具有挑战意义的研究难点,属性约简是粗糙集理论的研究核心.从概念漂移的角度研究了粗糙集理论的属性约简......
邻域粗糙集可以直接处理数值型数据, F-粗糙集是第一个动态粗糙集模型.针对动态变化的数值型数据,结合邻域粗糙集和F-粗糙集的优势......
