文档介绍：万方数据
粗糙集和证据理论相结合的数据挖掘方法倪龙强苷裉,高社生计算结果表明,文中所提出的粗糙集与证据理论相结合的数据挖掘方法,不但细化了决策规则,而且为“蚤“⋯”或者用符号表示为痧缈,这里咖和妒分别表示信息表的属性集和决策集。从决策规则的表达可以看出,这种描述既没有明确表达出合成公式是证据理论的核心,它将来自不同信息源粗糙集分类、约简能力强,但是其数值计算功能弱。很好地利用粗糙集和证据理论的优缺点,许多学者对证据理论和粗糙集进行了研究。文献ぞ理论作为主要合成工具,而将粗糙集作为获取证据的辅助手段,解决了证据获取困难及证据获取的主观性问题,而对粗糙集的规则挖掘没有进行研究。据,其实质是将粗糙集作为获取证据权重的一种辅助工具。文献っ髁舜植诩砺鄣幕植欢杂证据合成中的组合规则。由于粗糙集在无需先验知识的情况下,仅依靠信息系统本身的数据,就可以有论相结合的数据挖掘方法,不但细化了决策规则,而摘要:在粗糙集和证据理论相结合的数据挖掘技术中,常用的方法是以证据理论为主,而将粗糙集作为获取证据权重的辅助手段。这种结合方法既不能有效发挥证据理论的数值计算作用,也不能很好利用粗糙集理论的分类功能。因此,文章提出一种新的粗糙集和证据理论相结合的数据挖掘技术。首先通过粗集理论对决策表进行约简,消除系统冗余,得到决策规则。其次对经过约简所得到的决策表进行数值处理,降低预测代价,并构建证据焦元空间。最后将证据焦元空间用合成规则进行融合。给出了决策系统规则的定量描述,有效地补充和扩展了证据理论的应用范围。关键词:粗糙集,,数据挖掘中图分类号:文献标识码:文章编号:粗糙集理论是在年提出的⋯。该方法已被成功地应用于机器学习、知识获取、模式识别、决策分类、专家系统以及决策支持系统。粗糙集理论具有很强的分类和约简功能,,也没有表达出各规则之间的定量关系。证据理论是由子年提出的,后来由他的学生改进并发展【Vぞ的独立证据进行组合,产生更可靠、更一般的量化结果。但是证据理论具有潜在的指数复杂度,随着系统维数的增加证据组合计算量俱增。显然,粗糙集和证据理论具有各自的优缺点。证据理论的概率推演功能强,但是计算量大。为了文献么植诩袢∈粜缘闹匾3潭龋⒁源死确定每个传感器的权重,并将其作为证据合成的依效剔除系统冗余信息,而且还可以将信息系统中的相关规则进行分类。而证据理论不但提供了规则的定量描述,而且在进行知识合成时不需要先验概率。因此这两种方法可以形成很强的互补作用。本文将粗糙集和证据理论进行结合。充分发挥两者的互补性。首先通过粗集理论对决策表进行约简得到决策规则;其次,对经过粗糙集理论约简所得到的决策表进行数值化处理,从而构建证据焦元空间;最后,将证据焦元空间应用合成规则进行融合得到融合结果。计算结果表明:本文所提出的粗糙集与证据理且给出了决策系统规则的定量描述。该研究结果是对粗糙集理论的有效补充和扩展。,陕西西安;壮鞘Ψ堆г夯缦担A职壮收稿日期:.基金项目:航空科学基金吧挛魇∽匀豢蒲Щ手作者简介:倪龙强,西北工业大学博士研究生,主要从事控制工程与控制理论及交通信息工程与控制的研究。.
万方数据
K愧咖鼍黜痧㈣圳吵㈣收贸肝R桓怕史植决策信息表的粗集