经典的知识依赖性及属性重要性度量的新注记

• 作者: 姜麟 李金海 陈飞
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 粗糙集 决策信息系统 知识依赖性 属性重要性 度量
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 273-276,306
• 页数: 5页
• 分类号: TP181
• 字数: 6388字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.2.057

摘要

知识依赖性及属性重要性度量是粗糙集的重要概念,广泛应用于知识约简和规则提取等方面.经典的知识依赖性及属性重要性度量在处理数据方面有局限性,有时无法得到较为精确、合理的度量结果,从而导致后续应用中得到的结果出现一系列的偏差.因此,通过深度分析经典知识依赖性,结合多数包含关系,并加入可信系数,提出了一种新的知识依赖性及属性重要性度量方法.最后,将新度量方法应用于一个决策信息系统,分析结果表明新度量方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈飞	昆明理工大学理学院	27	87	5.0	8.0
2	李金海	昆明理工大学理学院	42	197	8.0	12.0
3	姜麟	昆明理工大学理学院	37	332	8.0	17.0