多粒度粗糙集模型中属性子集序列的构造方法

发布时间：2017-10-02 12:20

  本文关键词：多粒度粗糙集模型中属性子集序列的构造方法

  更多相关文章： 多粒度 属性子集序列 距离函数 近似精度

【摘要】：针对多粒度粗糙集模型中属性子集序列的构造问题,提出一种基于属性间距离的构造方法。该方法首先引入信息系统中属性间距离的概念,并给出距离的定量计算公式;然后根据公式来计算出各个属性之间的距离;最后根据属性之间距离的远近,得到每个属性的邻域属性集,从而构造出一个属性子集序列。实验结果表明,与随机构造的属性子集序列相比,该方法构造的序列对于实验的每个对象类具有更高的近似精度。
【作者单位】： 安徽大学计算机科学与技术学院;计算智能与信号处理教育部重点实验室(安徽大学);
【关键词】： 多粒度 属性子集序列 距离函数 近似精度
【基金】：国家自然科学基金资助项目(61300057,61602004) 安徽省自然科学基金资助项目(1508085MF127,1408085QF120) 安徽大学信息保障技术协同创新中心公开招标课题(ADXXBZ2014-5,ADXXBZ2014-6);安徽大学博士科研启动基金资助项目(J10113190072);安徽大学计算智能与信号处理教育部重点实验室课题项目 安徽省高等学校自然科学研究重点项目(KJ2016A041)~~
【分类号】：TP18
【正文快照】： 0引言粗糙集理论[1]是由波兰学者Pawlak于1982年提出的一种能够有效处理不精确和不确定信息的数学工具,目前,由于它在神经网络、数据挖掘、决策分析、机器学习和知识发现等领域[2-6]有着广泛的运用,使得研究逐渐趋热。粗糙集理论是建立在分类机制的基础上,通过等价关系将知识，

本文编号：959579