节点文献

基于相似粗糙集的范例推理技术

Technique Used in CBR Based on Similarity Rough Set

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具，请取消加速工具后下载。

【作者】 卢亦娟； 倪志伟； 胡彩平；

【Author】 LU Yijuan, NI Zhiwei, HU Caiping(Key Laboratory of Intelligence Computing and Signal Processing, Ministry of Education, Department of Computer Science, Annul University, Hefei 230039)

【机构】 计算智能与信号处理国家教育部重点实验室； 计算智能与信号处理国家教育部重点实验室 安徽大学计算机系； 合肥230039； 安徽大学计算机系； 合肥230039；

【摘要】 讨论了经典粗糙集理论在特征项约简过程中,造成的范例相似度测量误差问题,并提出用相似粗糙集约简特征项和获取特征项权重的过程与算法,力求提高约简的精确性和保持约简后范例库的良好性能。

【Abstract】 This paper discusses a deviation problem of measuring case similarity, which happens in the process of features reduction with classical rough set theory. In order to improve reduction accuracy and keep good quality of reduced case base, this paper proposes an algorithm based on similarity rough set theory to reduce features and compute features weight.

【关键词】 相似粗糙集； 范例推理； 特征项约简； 差别矩阵； 特征项权值；
【Key words】 Similarity rough set； Case-based reasoning(CBR)； Features reduction； indiscernibility matrix； Features weight；
【基金】 国家自然科学基金资助项目(60273043);安徽省教育厅自然科学基金资助项目(2002kj004)
  • 【文献出处】 计算机工程 ,Computer Engineering , 编辑部邮箱 ,2003年19期
  • 【分类号】TP301
  • 【被引频次】16
  • 【下载频次】250
打印本页
节点文献中：