基于样本学习的广义粗糙集知识约简

• 作者: 李雄飞 毛宇婷 王利民
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粗糙集 相对值务件互信息 主动学习
• 年，卷（期）: 2008,（22）
• 所属期刊栏目: 理论研究
• 页码范围: 39-42
• 页数: 4页
• 分类号: TP182
• 字数: 3960字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.22.011

摘要

由于条件属性在各样本的分布特性和所反映的主观特性的不同,每一个样本对应于真实情况的局部映射.建立了粗糙集理论中样本知识与信息之间的对应表示关系,给出了由属性约简求约简决策表的方法.基于后离散化策略处理连续属性,实现离散效率和信息损失之间的动态折衷.提出相对值条件互信息的概念衡量单一样本中各条件属性的相关性,可以充分利用现有数据处理不完备信息系统.即使在先验知识不足的情况下,也能通过主动学习构造新的规则补充进知识库中.拓广了粗糙集理论的应用范围,在UCI机器学习数据集上的实验结果和样例分析证明了该算法的合理性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雄飞	吉林大学计算机科学与技术学院	60	783	13.0	27.0
5	王利民	吉林大学计算机科学与技术学院	30	172	8.0	12.0
9	毛宇婷	长春工业大学信息传播工程学院	5	29	2.0	5.0