共查询到18条相似文献,搜索用时 218 毫秒
1.
2.
3.
介绍了Ziarko’s变精度粗糙集模型和粗糙模糊集模型,找出了它们的不足。基于支集相对错误分类率及误差参数β(0≤β<0.5),提出了变精度粗糙模糊集模型,讨论了模型中β上、下近似算子的性质;分析了该模型与Ziarko’s变精度粗糙集模型和粗糙模糊集模型的关系;最后给出了该模型中近似约简的定义和方法,并通过实例分析说明了约简算法的有效性。 相似文献
4.
何俊红 《计算机工程与应用》2015,51(15):138-142
单调性在经典粗糙集属性约简过程中发挥着重要的作用。然而,在一些扩展模型中该单调性质并不存在,如变精度粗糙集模型。针对该问题,提出了变精度粗糙集模型中下近似单调约简的定义,下近似单调约简算法打破了传统意义上属性约简保持下近似不发生变化的局限性,认为属性约简可以追求下近似集尽可能增大。同时给出了求得该约简的属性约简方法。实验结果表明,相较于下近似保持约简算法,下近似单调约简算法求得的约简不仅增加了正域规则数目也减少了边界域规则数目,而且提高了数据的分类精度。由此可见,下近似单调约简算法增加了由正域表示的确定性,同时降低了由边界域带来的不确定性。 相似文献
5.
属性约简是粗糙集理论的一个核心部分。由于经典的粗糙集模型对不完备信息系统不适应,通过把属性约简问题归结为0-1组合优化问题,提出了一种应用二进制粒子群算法来求解属性约简的方法。通过引入近似分类精度和近似分类质量,为获得最小约简确定了有效合理的粒子适应度函数。仿真实验结果表明该算法能得到最小相对约简,且具有较高的运算效率。 相似文献
6.
针对粒子群属性约简算法容易早熟、易陷入局部最优解的问题,提出一种融合混沌离散粒子群与粗糙集的属性约简算法(CBPSORS).在该算法中,首先利用混沌序列初始化粒子的位置和速度,得到一个无序的粒子种群.其次改进最优粒子进行混沌变异过程,改进惯性因子和加速因子来提高算法性能.再次用粗糙集理论对生成的属性子集相关性进行评估.最后用K-近邻(KNN)算法生成分类模型在UCI数据集上对该算法进行验证.理论分析与实验结果表明,与基于粗糙集的属性约简算法(RS)、基于粒子群的粗糙集属性约简算法(PSORS)以及基于遗传算法的粗糙集属性约简算法(GARS)相比,文中算法可以在保持决策表知识信息的前提下,约减掉更多的条件属性,提高分类精度. 相似文献
7.
针对Ziarko提出的变精度粗糙集缺乏相应的逻辑解释, 且约简方法不合理, 对经典粗糙集的逻辑解释进行了扩展, 提出了变精度粗糙集决策算法应满足的四个条件, 证明了变精度粗糙集决策算法与β近似的关系并得到变精度粗糙集决策算法的性质; 其次, 在变精度粗糙集的逻辑解释下, 提出基于β下近似分布和β上近似分布变精度粗糙集的约简方法, 从而保证了约简前后分类能力大小不发生改变且符合变精度粗糙集的逻辑解释; 最后, 通过实例说明基于β下近似分布和β上近似分布约简方法的合理性。 相似文献
8.
变精度粗糙集是解决模糊决策问题的重要工具,图像边缘信息本身就具有一定的不确定性和模糊性,而图像分割的效果直接依赖于对图像边缘像素的判断精度,因此变精度粗糙集可以更精确地表达图像边缘。将经典图像粗糙集模型扩展到图像变精度粗糙集模型,并将其应用于灰度图像边缘判定问题,利用变精度粗糙集的上下近似定义,构造了变精度灰色形态学算子,依据灰度图像粗糙熵的定义,提出一种基于VPRS粗糙熵的图像分割算法。针对噪声图像,该方法用变精度粗糙集模型判断目标、背景和边界像素集,在不同参数下判断近似集时容忍部分噪声点的存在,从而可获得较好的灰色边缘图像。实验结果说明,由于变精度灰度形态学算子避免了复杂参数优化过程,算法时间执行效率高;同时由于粗糙形态学算子对噪声的优良处理能力,新算法具有较好的噪声鲁棒性。 相似文献
9.
10.
11.
一种基于粗糙集理论的最简规则挖掘方法 总被引:4,自引:0,他引:4
提出了一种基于粗糙集理论的最简规则挖掘方法,它是一个采用基于分类正确度的粗糙集模型进行多概念分类规则挖掘的新方法,能有效处理决策表的不一致性,采用启发式算法,挖掘出满足给定精确度的最简产生式规则知识。用多个UCI数据集对算法进行了测试,并且与著名的Rosetta软件进行实验对比,结果说明此方法大大提高了总的数据约简量,可以有效地简化最终得到的规则知识。 相似文献
12.
通过分析乐观多粒度粗糙集和悲观多粒度粗糙集的不足之处,提出一种可变多粒度粗糙集模型。研究可变多粒度粗糙集、乐观多粒度和悲观多粒度粗糙集的性质,讨论它们之间度量的关系,研究可变多粒度粗糙集决策规则获取的方法。提出一种基于属性重要度的启发式约简的算法。实例分析结果验证该方法的可行性。 相似文献
13.
14.
王艳平 《计算机工程与科学》2014,36(3):541-544
以直觉模糊目标信息系统为研究对象,以粗糙集和直觉模糊集为工具,以知识发现为目的,给出了从直觉模糊决策表中获取决策规则的一种有效方法。即通过对Pawlak粗糙隶属函数的定义进行推广,给出粗糙直觉模糊隶属函数,利用新的粗糙隶属函数,建立了变精度粗糙直觉模糊集模型。在此模型基础上定义了变精度粗糙直觉模糊集的近似质量和近似约简,由近似约简导出概率决策规则集,从而给出了直觉模糊决策表的概率决策规则获取方法。最后,以实例说明了这一方法的有效性。关键词: 相似文献
15.
数据挖掘的主要目标之一是进行有效分类,粗糙集的上下近似空间正是为了对信息系统进行分类。变精度粗糙集作为经典粗糙集的推广模型,目前研究仅局限于有限集。针对变精度粗糙集模型无法处理无限集合的问题,在变精度粗糙集和测度的理论基础上,提出了基于Lebesgue测度的变精度粗糙集模型。首先,引入Lebesgue测度的概念,构造了一种基于Lebesgue测度的变精度粗糙集模型,将变精度粗糙集理论推广到无限集;其次,定义了该模型的上、下近似空间;最后,证明了其相关性质。通过理论研究表明,该模型能有效处理无限集合问题,对变精度粗糙集的理论研究形成突破,也将极大的扩充其应用范围。 相似文献
16.
17.
程玉胜 《计算机工程与应用》2010,46(10):41-43
知识约简是粗糙集理论研究的核心内容之一。目前,以分布密度为基础的分布约简/分配约简主要集中在对论域中每个对象或每个对象所在的类与决策类的关系展开,因此当论域对象较多时这些方法的应用受到了一定限制,基于变精度粗糙集模型理论和决策表整体确定性的度量方法,通过构造β+正域去定义β+依赖性,获得了在有分类误差情况下决策表整体最大确定性的度量方法,基于此提出了β+依赖性近似约简,通过数值计算和实验仿真,说明该方法是可行的,进而拓展了变精度粗糙集模型近似约简方法。 相似文献
18.
Rough set has been shown to be a valuable approach to mine rules from a remote monitoring manufacturing process. In this research, an application of the fuzzy set theory with the fuzzy variable precision rough set approach for mining the causal relationship rules from the database of a remote monitoring manufacturing process is presented. The membership function in the fuzzy set theory is used to transfer the data entries into fuzzy sets, and the fuzzy variable precision rough set approach is applied to extract rules from the fuzzy sets. It is found that the induced rules are identical to the practical knowledge and fault diagnosis thinking of human operators. The induced rules are then compared with the rules induced by the original rough set approach. The comparison shows that the rules induced by the fuzzy rough set are expressed in linguistic forms, and are evaluated by plausibility and future effectiveness measures. The fuzzy rough set approach, being less sensitive to noisy data, induces better rules than the original rough set approach. 相似文献