基于可变精度粗集的规则简化方法

摘要：

在大多数实际问题中，机器学习的成败很大程度上取决于学习方法的噪音处理能力。本文介绍了基于可变精度粗集的规则简化方法。实验结果表明，采用GMM规则简化方法对决策树规则进行简化后，既能减少规则总数，又能简化单个规则，更重要的是它能较为有效地解决实际应用中的噪音影响.提高规则的预测准确度。

关键词： 可变精度 粗集 规则简化 噪音处理 机器学习

作者: 凌方 王建东

作者单位: 华东地质学院信息工程系,抚州,344000 南京航空航天大学信息科学与技术学院,南京,210016

会议类型: 国内会议

会议名称: 第十九届全国数据库学术会议

会议地点: 郑州

会议语种:中文

页码: 63-64,78

在线出版日期: 2002-08-26（万方平台首次上网日期，不代表论文的发表时间）