共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
基于粗集的规则提取LBR和LEM3 总被引:1,自引:0,他引:1
本文基于粗集理论,提出了一种新的规则提取法LBR(Learning By Rough Sets),并对LBR与另一种已有的规则提取法LEM1,即全局覆盖算法(global covering algorithm)进行了比较和讨论.基于比较的结果,得出了将LEM1改进后的LEM3.LBR不但可用于普通的决策表规则提取,更多地可应用于基于模糊划分的规则提取.LBR的提出,极大地简化和丰富了规则提取算法,在已知数据中可获取更为丰富的信息量.而LEM3的使用,则是在将"依赖"(depend on)这一概念推广的基础上,更灵活地使用"覆盖"(covering),扩大了获取规则的范围.LBR和LEM3因其各自不同的优点,在数据挖掘和智能领域均具有广泛的应用前景. 相似文献
3.
随着系统中数据量剧增,规则太多以及不同决策者对规则有不同层次需求等问题,概念层次提供了一种解决方法。讨论条件属性具有概念层次的情况下,利用粗糙集理论分析属性在不同层次组合下的正域和规则关系,自顶向下提出了概念层次中基于粗糙集的优化可信规则获取的算法。该算法改进了现有的属性约简策略,借助描述子实现属性约简并获取优化可信规则。考虑到层次上正域为空和正域没有新增对象的特殊情况,提高了规则获取的效率。最后通过实例分析说明该算法的可行性。 相似文献
4.
针对粗糙集分类规则挖掘算法LEM2剪枝条件过于严格的问题,提出一种权重模糊粗糙集的改进规则挖掘算法。在用例带权重的模糊粗糙集理论框架上分析面向混合数据的分类规则挖掘算法,引入粗糙集模型的近似覆盖参数作为挖掘算法的泛化度量参数,实现对规则集数量和规则形式复杂程度的调节。实验结果表明,与LEM2算法和DataSqueezer算法相比,该算法的平均精度和平均召回率更优,分别为81%和80%,且生成规则的平均长度最短。 相似文献
5.
为了从大量数据中获取知识,本文提出了一种改进的属性约简算法,并将该算法与神经网络相结合应用于市场营销系统中.首先建立决策表,用辨识矩阵计算核,再用改进约简算法去除大量的冗余属性信息,最后采用BP神经网络来训练约简表并得出规则.实验结果表明,该方法是有效的. 相似文献
6.
7.
禹蒲阳 《计算机应用与软件》2010,27(8)
CBA算法是将关联规则挖掘与分类技术相结合的一种分类算法,在许多领域中得到了广泛应用.针对CBA处理海量数据效率低的缺点,提出了一个改进的CBA算法.该算法将粗糙集理论应用到CBA算法中,对决策表进行属性约简,提高了分类关联规则的生成效率;并应用PEP(pessimistic error pruning)方法对候选规则进行剪裁.实验结果表明,该算法比CBA具有更高的分类效率和准确度. 相似文献
8.
9.
提出了一种结合Apriori和Kuok's算法的改进的模糊关联规则算法.在定义隶属函数、决策树结构和规则集相似度的基础上,采用改进的挖掘算法挖掘数值属性的关联规则.实验结果表明,算法在规则生成和时间效率方面都显示了良好的性能. 相似文献
10.
一种基于模糊集的挖掘算法设计 总被引:1,自引:1,他引:0
本文提出了一种新的基于模糊集的关联规则挖掘算法,算法引入了模糊集理论和语义关联规则的概念,对数据库的数值属性进行了合理的非精确语义转换,然后通过改进剪枝部分被扫描项集的大小来提高算法的效率,避免了被扫描的集合长度按照指数型增长的趋势. 相似文献