共查询到20条相似文献,搜索用时 0 毫秒
1.
Krzysztof Dembczyski Roman Pindur Robert Susmaga 《Electronic Notes in Theoretical Computer Science》2003,82(4):84
Rough Sets Theory is often applied to the task of classification and prediction, in which objects are assigned to some pre-defined decision classes. When the classes are preference-ordered, the process of classification is referred to as sorting. To deal with the specificity of sorting problems an extension of the Classic Rough Sets Approach, called the Dominance-based Rough Sets Approach, was introduced. The final result of the analysis is a set of decision rules induced from what is called rough approximations of decision classes. The main role of the induced decision rules is to discover regularities in the analyzed data set, but the same rules, when combined with a particular classification method, may also be used to classify/sort new objects (i.e. to assign the objects to appropriate classes). There exist many different rule induction strategies, including induction of an exhaustive set of rules. This strategy produces the most comprehensive knowledge base on the analyzed data set, but it requires a considerable amount of computing time, as the complexity of the process is exponential. In this paper we present a shortcut that allows classifying new objects without generating the rules. The presented approach bears some resemblance to the idea of lazy learning. 相似文献
2.
3.
4.
5.
将Rough集理论应用于规则归纳系统,提出了一种基于粗糙集获取规则知识库的增量式学习方法,能够有效处理决策表中不一致情形,采用启发式算法获取决策表的最简规则,当新对象加入时在原有规则集基础上进行规则知识库的增量式更新,避免了为更新规则而重新运行规获取算法。并用UCI中多个数据集从规则集的规则数目、数据浓缩率、预测能力等指标对该算法进行了测试。实验表明了该算法的有效性。 相似文献
6.
为了获取最小决策规则,当增加新例子时,传统的方法通常需要对决策表中所有数据重新计算,效率欠佳。为了尽量减少重复计算量,该文从Roughset理论出发,提出了一种新的增量式学习算法和最小重新计算的标准,并且用理论和实验对新算法和传统算法在算法复杂度上做了对比。 相似文献
7.
启发式知识获取方法研究 总被引:3,自引:0,他引:3
归纳学习是解决知识自动获取的有效方法,针对ID3算法、基于粗集的归纳学习以及其它一些归纳学习方法存在的问题,提出了一种新的归纳学习算法ITIL。此算法用信息增益为启发式,选择尽量少的重要属性或组合,以可分辨性为依据提取规则,许多实例表明,这些规则不仅简单,而且冗余小,作为知识获取模块的一部分,ITIL已被集成到一个“基于知识发现的医疗诊断辅助系统”动态知识库子系统中。 相似文献
8.
9.
10.
关联规则的增量式更新算法 总被引:180,自引:4,他引:180
关联规则的开采是一个重要的数据开采问题.目前已经提出了许多算法用于高效地发现大规模数据库中的关联规则,而对关联规则维护问题的研究工作却很少.在用户开采关联规则的交互过程中,为了找到真正令其感兴趣的规则,用户将需要不断调整两个描述用户兴趣程度的阈值:最小支持度和最小可信度.本文提出了两种增量式更新算法——IUA(incremental updating algorithm)和PIUA(parallel incremental updating algorithm),用来解决这一关联规则高效维护问题. 相似文献
11.
Incremental Induction of Decision Trees 总被引:25,自引:11,他引:25
Paul E. Utgoff 《Machine Learning》1989,4(2):161-186
This article presents an incremental algorithm for inducing decision trees equivalent to those formed by Quinlan's nonincremental ID3 algorithm, given the same training instances. The new algorithm, named ID5R, lets one apply the ID3 induction process to learning tasks in which training instances are presented serially. Although the basic tree-building algorithms differ only in how the decision trees are constructed, experiments show that incremental training makes it possible to select training instances more carefully, which can result in smaller decision trees. The ID3 algorithm and its variants are compared in terms of theoretical complexity and empirical behavior. 相似文献
12.
13.
针对增量数据集,结合粗糙集理论和多变量决策树的优点,给出了增量式的多变量决策树构造算法。该算法针对新增样本与已有规则集产生矛盾,即条件属性相匹配,而决策属性不匹配的情况,计算条件属性相对于决策属性的核,如果核不为空,则计算核相对于决策属性的相对泛化,根据不同的结果形成不同的子集,最终形成不同的决策树分支。该算法很好地避免了在处理增量数据集时,不断重构决策树。实例证明该算法的正确性,对处理小增量数据集具有良好的性能。 相似文献
14.
15.
16.
17.
在销售决策支持系统中,存在着大量的信息和很多不确定的因素,这使得做出科学合理的决策变得很困难。粗糙集理论是处理不确定性知识与不完整数据的有效工具,因此可以根据粗糙集理论通过分析推理找出销售数据中存在的有用的知识。依据粗糙集理论实现了一种对销售决策表知识简化的方法,采用粗集理论处理大量销售信息,从中提取有用规则,通过分析和推理产生最小决策规则。通过实例分析,验证了粗糙集理论与销售决策支持系统相结合方法的可行性。该方法有效地解决了智能销售决策支持系统中决策规则的获取与理解等问题。 相似文献
18.
19.
基于Rough Set理论的增量式规则获取算法 总被引:3,自引:0,他引:3
从Rough set理论出发,讨论在新增数据时,新数据与已有规则集的关系、属性约简以及值约简的变化规律.并在此基础上提出一个新的基于Rough Set理论的增量式算法.从理论上和实验上对新算法和传统算法在算法复杂度上做了分析与比较. 相似文献
20.
编队协同对地攻击粗决策仿真与研究 总被引:1,自引:0,他引:1
编队协同对地攻击系统,由于其具有不同于其他作战模式的独特特点,其指挥决策信息系统也不同于其他作战样式,针对编队协同对地攻击特点,建立了编队协同对地攻击指挥决策信息系统以及决策表,并基于粗糙集理论,对完备信息条件下的编队协同对地攻击决策信息系统的决策规则与条件属性约简方法进行仿真与研究,仿真结果表明,粗决策方法能够针对建立的决策信息系统提取简要的作战决策规则,且规则合理有效,能够为作战指挥决策提供依据. 相似文献