约简算法相关论文
聚类(Clustering)技术是机器学习中非常重要的一种非监督学习方式。通常，聚类算法依据某种准则将相似的样本指派到同一个类中、将不......
粗糙集理论对不完整、不精确信息和知识具有很强的分析处理能力,目前已成为智能信息处理中的一个热点研究内容,并已被广泛应用于机......
粗糙集理论是波兰数学家Pawlak在1982年提出的一种处理不精确,不完备的模糊数据的数学工具,用来挖掘海量数据中隐含的决策和规则等......
支持向量机(SVM)作为一种基于统计学习理论的新型机器学习方法,采用结构风险最小化原则以及核函数方法,有效解决了小样本学习、局......
数据挖掘是目前数据库和决策支持领域的最前沿的研究领域之一。而粗集方法是数据挖掘中的一个重要方法。入侵检测系统(IDS)是一种......
学位
论文综述了中文文本分类中自动分词、文本表示、特征选取和分类模型几个部分的研究现状和研究方法。每个部分都有多种实现技术，不同......
KDD是在数据库和人工智能的相互融合渗透中逐渐发展起来的一个有着广阔应用前景的新兴研究领域,是从数据中提取人们感兴趣的、潜在......
随着互联网技术的迅速发展，网络已经成为人们进行信息交互和处理的有效平台，各种以文本形式表示的信息以极高的速度增长，如何能够有效......
随着计算机技术的不断发展，人们在信息时代面临着越来越多的数据，如何发现隐藏在众多数据中的内部信息成为人们研究的热点问题。传统......
现实世界的数据是海量数据,大型数据库含有冗余特征及噪音,不仅导致数据挖掘的代价高,而且导致规则提取的质量低。针对此问题,通过......
粗糙集理论是一种处理含糊和不确定性信息的新型数学工具,其理论提出以来得到迅速的发展和广泛的应用。知识约简是粗糙集理论重要......
粗糙集理论是近年来发展起来的一种处理不确定、不精确、不完整数据的新的数学工具[1]。粗糙集理论自波兰科学家Pawlak于1982年提......
归纳学习是机器学习最核心的一个分支,其主要目的是从大量的数据中归纳抽象出一般的规则和模式。由于冗余属性会影响规则提取的时......
粗糙集理论由波兰科学家Z.Pawlak于1982年提出的一种处理模糊和不确定知识的数学工具。粗糙集理论建立在论域中的不可分辨关系之上......
分类挖掘是数据挖掘的重要研究内容之一,现有的分类规则挖掘算法所得到的规则集中存在大量的冗余,严重影响了分类规则的分类效率与......
随着互联网的迅速发展，计算机网络在经济和生活的各个领域正在迅速普及，整个社会对网络的依赖程度越来越大，这也使得网络安全问题变的......
随着信息技术和数据库技术的高速发展,人们每天都要面对巨大的数据量,数据挖掘正是致力于数据的分析和理解、揭示数据内部蕴藏知识......
概念格理论，亦称形式概念分析，是德国数学家R.Wille于1982年提出的一种用于概念发现、排序和显示的数据分析方法。概念格理论作为有......
概念学习作为机器学习的一种学习范式,其相关算法被广泛应用于数据挖掘、模式识别、图像处理等相关领域,并且取得了较好的应用效果......
分类作为数据分析形式的一种，它可以从大量的数据中提取描述所有对象的模型。由于分类是利用已知的模型对新的数据进行预测，因此它是......
根据智能电网的实际特点，加入故障的随机因素影响，特别是考虑了故障的否定信息判定因素，提出一类直觉不确定粗糙集及其约简算法，实......
为解决传统粗糙集不确定度量存在的局限,提出将变精度粗糙信息熵作为度量标准.该度量标准不仅具有变精度粗糙集良好的抗噪声干扰性......
人类进入信息化时代,每天的生活工作中,都会产生大量的数据信息,社会活动急需一种处理工具,可以从大量表面看上去杂乱无章、冗余多......
粗糙集(RoughSet)理论是20世纪发展起来的一种新的处理含糊性和不确定性问题的数学工具，求取高效、快捷的属性约简算法是当前该理论......
学位
双射软集合理论是软集合理论的一个分支,它用来解决不确定问题的一种新型数学工具。在研究已有文献的基础上,对双射软集合的理论及......
论文的主要工作是了解知识发现的体系结构，学习粗糙集理论的基本概念，研究基于粗糙集理论的约简算法在知识发现领域中进行数据约简和......
本文选择数据挖掘中的属性约简为研究对象,运用粗糙集理论,提出一种效率较高的遗传约简算法,能够较快地找到系统的最小约简或次小......
知识约简与规则提取是粗糙集理论中的两个重要的问题.扩展流图(EFG)与对应的决策信息系统有相同的表达能力，它是决策信息系统的一种......
在粗糙集理论的代数观点下,约简关注的只有数据库中相容示例的部分;而在粗糙集理论的信息论观点下,约简开始关注库中不相容的部分,......
波兰数学家Z.Pawlak提出的粗糙集概念，可以看作古典集合概念的扩展，是用来表征和处理不完全不确定信息的工具。粗糙集与在该论域上的......
由于模糊时间序列在处理数据的不确定性和模糊性方面所显示出的优势，它吸引了更多学者运用模糊时间序列模型来处理预测问题。为了得......
支持向量机（Support Vector Machines，简称SVM）是V.Vapnik等在20世纪90年代提出的基于统计学习理论（Statistical Learning Theory，SLT）的......
概念格理论是德国数学家Wille R.教授在20世纪80年代提出的,由于其思想新颖、方法独特,已经成为知识发现的一个重要数学工具,是当......
Pawlak粗糙集理论，是建立在等价关系上的一种新型的处理不确定性和不精确性知识的数学方法.但它不能处理粒度之间交运算不成立的情......
为了适应无线传感器网络资源受限的特点,提出一种多传感器数据融合算法,算法在传感层和网络层之间增加数据融合层,将采集的数据分......
粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性......
针对在 Nguyen和 Skowron的离散化算法中进行启发式约简时会出现某些属性不能进行离散化问题 ,以及在无核数据集中启发式约简算法......
