|
|||||
|
|
| Rough Set综合评价算法的优化及应用 | |
| 引用本文： | 潘德宝,傅春.Rough Set综合评价算法的优化及应用[J].统计与决策,2006(13):144-145. |
| 作者姓名： | 潘德宝 傅春 |
| 摘 要： | 粗集理论是由波兰数学家Z.Pawlak,在20世纪80年代初提出的一种处理模糊和不精确性问题的新型数学工具,粗集理论在处理有限元集合数据时,即不需要关于数据的任何附加信息,也无需预先给定某些特征或属性的数量描述,如统计学中的概率分布、模糊集理论中的隶属度或隶属函数等,通过对大量数据进行分析,根据论域中等价关系的依赖关系,剔除相容信息,抽取潜在有价值的规则知识.依据粗糙集理论的对象分类能力,以及粗糙集理论中的知识依赖性和属性重要性度量方法,可以得出一种完全数据驱动的综合评价方法,它克服了传统方法存在的主观性和片面性的问题,本文将属性的同分辨能力数引入到粗糙集评价,优化了评价算法. |
| 本文献已被 万方数据 等数据库收录！ | |