發(fā)布時間：2017-10-02 12:20

  本文關(guān)鍵詞：多粒度粗糙集模型中屬性子集序列的構(gòu)造方法

  更多相關(guān)文章： 多粒度 屬性子集序列 距離函數(shù) 近似精度

【摘要】：針對多粒度粗糙集模型中屬性子集序列的構(gòu)造問題,提出一種基于屬性間距離的構(gòu)造方法。該方法首先引入信息系統(tǒng)中屬性間距離的概念,并給出距離的定量計算公式;然后根據(jù)公式來計算出各個屬性之間的距離;最后根據(jù)屬性之間距離的遠近,得到每個屬性的鄰域?qū)傩约?從而構(gòu)造出一個屬性子集序列。實驗結(jié)果表明,與隨機構(gòu)造的屬性子集序列相比,該方法構(gòu)造的序列對于實驗的每個對象類具有更高的近似精度。
【作者單位】： 安徽大學計算機科學與技術(shù)學院;計算智能與信號處理教育部重點實驗室(安徽大學);
【關(guān)鍵詞】： 多粒度 屬性子集序列 距離函數(shù) 近似精度
【基金】：國家自然科學基金資助項目(61300057,61602004) 安徽省自然科學基金資助項目(1508085MF127,1408085QF120) 安徽大學信息保障技術(shù)協(xié)同創(chuàng)新中心公開招標課題(ADXXBZ2014-5,ADXXBZ2014-6);安徽大學博士科研啟動基金資助項目(J10113190072);安徽大學計算智能與信號處理教育部重點實驗室課題項目 安徽省高等學校自然科學研究重點項目(KJ2016A041)~~
【分類號】：TP18
【正文快照】： 0引言粗糙集理論[1]是由波蘭學者Pawlak于1982年提出的一種能夠有效處理不精確和不確定信息的數(shù)學工具,目前,由于它在神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、決策分析、機器學習和知識發(fā)現(xiàn)等領(lǐng)域[2-6]有著廣泛的運用,使得研究逐漸趨熱。粗糙集理論是建立在分類機制的基礎(chǔ)上,通過等價關(guān)系將知識，

本文編號：959579