基于区间二型模糊粗糙集的连续属性约简算法

来源 :计算机应用研究 | 被引量 : 14次 | 上传用户:h4628241
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
一型模糊粗糙集可以直接处理连续属性集,但不能处理高度不确定性数据,而区间二型模糊集可以增强系统处理不确定性的能力。为了提高处理噪声数据的精确度,在一型模糊粗糙集的基础上,定义区间二型模糊粗糙集。基于区间二型模糊粗糙集模型研究了连续域决策信息系统的属性约简,通过紧计算域给出了新的约简算法。由于拒绝变量集合的存在,提出的约简算法可在有限时间内收敛,并且得到了更加合理的结果。数值仿真验证了约简算法的可行性与有效性。
其他文献
针对一类具有离散时滞和参数范数有界的不确定性中立联想记忆神经网络的全局渐近鲁棒稳定性问题进行了研究。通过应用范数理论和矩阵不等式分析方法,并构造合适的Lyapunov-Krasovskii泛函,推导出了与时滞无关的新稳定性判定准则,用于保证神经网络的平衡点是全局渐近鲁棒稳定的。该准则中包含的未知参数少、计算复杂度低,易于验证。仿真算例验证了新判定准则的有效性。
提出了一种新的基于边缘分类能力排序准则,用于基于排序聚集(ordered aggregation,OA)的分类器选择算法。为了表征分类器的分类能力,使用随机参考分类器对原分类器进行模拟,从而获得分类能力的概率模型。为了提高分类器集成性能,将提出的基于边缘分类能力的排序准则与动态集成选择算法相结合,首先将特征空间划分成不同能力的区域,然后在每个划分内构造最优的分类器集成,最后使用动态集成选择算法对未