基于模糊化的决策粗糙集属性约简和分类

摘要：

决策粗糙集是一种基于贝叶斯风险最小化原则的具有一定容忍度的概率粗糙集模型，但当前关于决策粗糙集模型的研究只局限于处理具有离散型数据的信息表。文中将模糊集和决策粗糙集理论相结合，在决策粗糙集模型中计算期望风险损失时，利用模糊隶属度函数代替传统的后验概率求解方法，这样可推导出新的决策规则，进而可高效处理那些包含连续型属性的信息系统。实验表明该方法是可行的，并且可通过调整隶属度函数，达到更佳分类效果。

关键词：决策粗糙集、模糊集、隶属度函数、连续值属性

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金面上重点项目60105003;国家自然科学基金面上项目61170180

在线出版日期：2014-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：701-707