杂合VPRS与PNN的知识发现方法

摘要：

本文提出一种变精度粗糙集(Variable precision rough sets,VPRS)与概率神经网络(Probabilistic Neural Network,PNN)杂合的方法.变精度粗糙集对噪声数据有一定的相容性,给定置信阈值β,通过变精度粗糙集模型将信息系统中的冗余属性排除,求出一个最小的知识表示,由此可以约简神经网络的输入.由于概率神经网络的分类及泛化能力较强,接下来应用概率神经网络建立的模型进行分类、预测.实验表明,变精度粗糙集与概率神经网络杂合方法的分类及预测精度均较高.该方法可用于从模糊的、冗余的、不完备的且有噪声的大型数据库中发现知识.

关键词：变精度粗糙集、概率神经网络、知识发现、杂合方法

所属期刊栏目：24

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金70473037;江苏省自然科学基金BK2003211

在线出版日期：2005-09-15（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：426-432