具有噪声容忍度的粗糙集分类规则不确定性量度
粗糙集理论作为一种不确定性数据分析方法,在人工智能、数据挖掘、决策与控制等领域均受到广泛关注.它根据不可分辨关系对已知数据进行划分,从中提取分类规则.这类分类规则往往具有不确定性,对其进行评价需要适当的不确定性量度.由划分的粒度引起的规则不确定性包括不一致性和随机性.与粗糙集理论中的近似度相比,基于信息熵的不确定性量度方法可以兼顾不确定性的这两个方面.另外,数据中含有的噪声会夸大由划分的粒度引起的规则不一致性,使得一些一致规则变为不一致规则,从而被错误地淘汰.我们借鉴可变精度粗糙集理论的思想,构造了两个新的基于信息熵的不确定性量度函数,对数据中的噪声具有一定容忍度.通过举例分析,说明它们更适于评价从有噪声数据中提取的粗糙集分类规则.
粗糙集 可变精度粗糙集 分类规则 信息熵 不确定性量度
陈湘晖 朱善君 吉吟东
清华大学自动化系(北京)
国内会议
上海
中文
107-110
2000-07-01（万方平台首次上网日期，不代表论文的发表时间）