安徽大学博士科研启动基金(33190081)
- 作品数：3 被引量：8H指数：2
- 相关作者：纪霞李龙澍齐平徐怡更多>>
- 相关机构：安徽大学更多>>
- 发文基金：安徽省自然科学基金安徽大学博士科研启动基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于属性分辨度的不完备决策表属性约简算法被引量：3
- 2013年
- 针对现有不完备决策表属性约简算法复杂度较高的问题,提出了基于属性分辨度的属性约简算法.文中分析了不完备决策表中条件属性相对于决策重要性的外在表现,提出了属性分辨度的概念,并给出了属性分辨度随着约简属性集的变化而动态更新的计算方法.该算法在属性约简过程中会不断删除已经属于正域的对象或不影响正域计算的相容块,通过降低样本数据的规模来减少计算耗时,加速属性约简.理论分析和仿真实验表明,文中算法是有效的,并且算法复杂度优于现有的不完备决策表属性约简算法.
- 纪霞李龙澍齐平
- 关键词：不完备决策表属性约简
- 基于属性分辨度的最大相容块规则提取算法被引量：4
- 2013年
- 提出一种基于属性分辨度的不完备决策表规则提取算法,它是一种例化方向的方法.首先从空集开始,逐步选择当前最重要的条件属性对对象集分类,从广义决策值唯一的相容块提取确定规则,从其他的相容块提取不确定规则;然后设计属性必要性判断步骤去除每条规则的冗余属性;最后通过规则约简过程来简化所获得的规则,增强规则的泛化能力.实验结果表明,所提出的算法效率更高,并且所获得的规则简洁有效.
- 纪霞李龙澍
- 关键词：不完备决策表粗糙集
- 基于广义决策函数的改进LEM2规则提取算法被引量：1
- 2014年
- 针对当前LEM2系列算法提取规则的效率和质量不高的问题,提出了基于广义决策函数的改进LEM2算法(GLD-LEM2).该算法根据广义决策函数来计算候选属性-值对集T(G),通过删除冗余属性-值对来逐步缩小T(G)的规模,以提高规则提取的效率;同时,根据广义决策函数相交最小原则来选择属性-值对,优先提取最简规则,以提高获取规则的质量.实验结果表明,对于完备或不完备的决策表规则,GLD-LEM2算法均能有效地提高规则提取的效率和质量.
- 纪霞李龙澍徐怡
- 关键词：粗糙集
