首页 > 期刊 > 自然科学与工程技术 > 基础科学 > 基础科学综合 > 南京大学学报·自然科学 > 基于极大相容块的邻域粗糙集模型 【正文】
摘要:对于数值型数据而言,邻域粗糙集模型是处理不确定信息的有效工具.现有的邻域粗糙集模型仅关注那些邻域中所有样本都属于同一个决策类的一致性情形,无法利用邻域中与多个决策类相交的边界样本所蕴含的信息.针对邻域粗糙集的这一局限性,将相容关系的极大相容块与邻域粗糙集相结合,选取样本邻域内的最大等价块作为最小的信息粒,通过重新定义邻域粗糙集的上下近似和属性重要度等概念,建立了一种基于极大相容块的邻域粗糙集模型.该模型可在更小的信息粒度下将原来边界样本转化成一致性样本来增大正域.运用前向贪婪策略构建了相应的属性约简算法.在七个公开的UCI数据集上的对比实验验证了提出模型的有效性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
一对一咨询服务、简单快捷、省时省力
了解更多 >直邮到家、实时跟踪、更安全更省心
了解更多 >去除中间环节享受低价,物流进度实时通知
了解更多 >正版杂志,匹配度高、性价比高、成功率高
了解更多 >