一种基于模糊集理论的粗糙规则提取方法
本文针对信息系统中数据量庞大和属性值连续的情况,提出了一种基于模糊集理论获取规则的方法.首先,引入相似性概念,选取适当的相似度阈值λ进行模糊聚类,然后,将相似类中的属性值利用模糊隶属函数模糊化,转化为离散化数据.在此基础上,利用粗糙集理论进行属性约简,然后基于新的近似空间,通过一对近似集合对某一概念近似表示,挖掘出具有一定可信度和支持度的决策规则,有效地实现了对数据的分类和预测.最后通过一个应用实例,证明了此方法的有效性.
粗糙集 规则提取 连续属性 模糊集理论 粗糙规则提取
刘井莲 周军
辽宁工学院计算机系,锦州,121001
国内会议
福建武夷山
中文
12-18
2006-08-01（万方平台首次上网日期，不代表论文的发表时间）