已閱讀1頁，還剩58頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、粗糙集做為一個重要的數(shù)據(jù)分析處理理論工具，其優(yōu)勢在于對數(shù)據(jù)處理時,不需要任何有關于待處理數(shù)據(jù)預備或額外的信息?；诖植诩碚摰臄?shù)據(jù)挖掘工作已經取得了一定進展，尋求高效的屬性約簡算法以及規(guī)則生成算法是研究的重點。 基于正域、分辨矩陣等屬性約簡算法在一定條件下能夠取得比較好約簡效果，但這些算法必須求核，增加了時間復雜度，而且沒有考慮到條件屬性之間的依賴性，不能去除冗余屬性，在處理高維數(shù)據(jù)時無法取得較好的約簡效果。 在結合粗糙
2、集理論與信息理論的基礎上，用信息熵中的對稱不確定公式來量度兩個屬性之間的依賴度，提出了基于屬性依賴的屬性約簡算法，該算法不用求核，直接用條件屬性與決策屬性之間的依賴度為依據(jù)來選擇理想的條件屬性，并且刪除被選條件屬性中的冗余屬性。從理論及實驗數(shù)據(jù)分析中，通過與其他算法比較，可知該算法具有比較好的約簡效果及較小的時間復雜度。 深入研究現(xiàn)有規(guī)則生成算法的基礎上，對基于投影的規(guī)則生成算法進行了改進，改進后的算法能消除原算法中的噪聲規(guī)則；
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)挖掘中屬性約簡及分類算法研究.pdf
- 規(guī)則約簡及屬性約簡算法研究.pdf
- 粗糙集屬性約簡算法在數(shù)據(jù)挖掘中的研究.pdf
- 地震數(shù)據(jù)挖掘中的粗糙集模型及屬性約簡算法研究.pdf
- 基于粗糙集的數(shù)據(jù)挖掘屬性約簡算法研究.pdf
- 基于粗糙集理論的數(shù)據(jù)挖掘模型及屬性約簡算法研究.pdf
- 基于粗糙集的數(shù)據(jù)挖掘屬性約簡算法的研究.pdf
- 規(guī)則曲線生成算法的研究97371
- 基于粗糙集的數(shù)據(jù)挖掘改進的屬性約簡算法研究.pdf
- 數(shù)據(jù)挖掘中關聯(lián)規(guī)則算法研究及應用.pdf
- 數(shù)據(jù)挖掘中的關聯(lián)規(guī)則挖掘算法研究.pdf
- 基于粗糙集的屬性約簡和決策規(guī)則約簡算法.pdf
- 極大布爾關聯(lián)規(guī)則生成算法的研究.pdf
- 低秩稀疏屬性約簡及其在數(shù)據(jù)挖掘中的應用.pdf
- 數(shù)據(jù)挖掘中關聯(lián)規(guī)則算法及應用研究.pdf
- 關于數(shù)據(jù)挖掘中關聯(lián)規(guī)則挖掘算法的研究.pdf
- 數(shù)據(jù)挖掘技術中的關聯(lián)規(guī)則挖掘算法研究.pdf
- 基于區(qū)分矩陣的粗糙集屬性約簡算法在數(shù)據(jù)挖掘中的應用研究.pdf
- 粒計算在數(shù)據(jù)挖掘中屬性約簡的應用研究.pdf
- 數(shù)據(jù)挖掘中關聯(lián)規(guī)則算法及應用的研究.pdf
評論
0/150
提交評論