基于误分代价的变精度模糊粗糙集属性约简
属性约简目前是粗糙集领域的热点研究问题.文中研究了如何在保持误分类代价不增加的基础上减少冗余属性.首先定义了变精度模糊粗糙集中的最小误分类程度,然后引入了决策过程,提出了一种基于最小误分类程度的变精度模糊粗糙集模型,最后在这个模型的基础上将误分代价作为不变量,提出了一种启发式属性约简算法.将所提算法与其他算法进行比较,实验结果表明,所提算法得到的属性约简结果具有保留的属性数相对较少、误分类代价更低的优点.
粗糙集、变精度模糊粗糙集、误分类代价、属性约简
49
TP182(自动化基础理论)
国家自然科学基金;国家自然科学基金;河北省自然科学基金;河北省自然科学基金;河北省高等学校自然科学基金;河北省博士后择优资助科研项目;河北省三三三人才工程培养经费
2022-04-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
161-167