推理建模中基于KDD和粗糙集的案例修改

摘要：

在应用基于案例推理技术进行智能建模时,案例修改后的案例质量好坏直接影响所建模型的精度,但是由于案例修改对领域知识的依赖性很强,采用一般手工案例修改方法无法保证案例修改的质量,即无法保证智能推理模型的精度.基于以上原因,该文提出了一种新的案例修改方法,利用KDD技术,通过有效的多值关联规则挖掘算法从运行数据库中挖掘出案例各属性间的依赖关系,得到案例修改的基本关联规则集,在此基础上利用粗糙集理论对基本关联规则集进行简约,然后根据简约后的关联规则进行案例修改.在线对比实验证明,应用本文方法进行案例修改,提高了修改后的案例质量,从而提高了整体智能推理模型的精度.

关键词：案例推理、案例修改、知识发现、粗糙集

所属期刊栏目：23

分类号：TP18(自动化基础理论)

在线出版日期：2006-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：141-143,159