基于粗糙集的间接学习 |
| |
引用本文: | 米据生,张文修.基于粗糙集的间接学习[J].计算机科学,2002,29(6):96-97. |
| |
作者姓名: | 米据生 张文修 |
| |
作者单位: | 1. 西安交通大学理学院信息与系统科学研究所,西安,710049;河北师范大学数学与信息科学学院,石家庄,050016 2. 西安交通大学理学院信息与系统科学研究所,西安,710049 |
| |
摘 要: | 粗糙集理论为处理不精确、不确定数据提供了一个新的数学方法,已被广泛应用于人工智能、模式识别与智能信息处理等计算机领域。在Pawlak粗糙集模型中,等价关系起着至关重要的作用。任意给定一个概念(论域的子集),人们不一定能用知识库中的知识(等价类)来精确地描述,这时就用关于这个概念构成的集合的一对上、下近似来描述。但是,对等价关系的严厉要求限制了粗糙集理论的应用,因此许多学者从各方面对Pawlak粗糙集模型作了推广。
|
关 键 词: | 间接学习 粗糙集理论 智能信息处理 训练分类器 人工智能 |
Indirect Learning Based on Rough Set Theory |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|
点击此处可从《计算机科学》下载全文 |
|