10.16337/j.1004-9037.2015.06.024
基于经典粗糙集的近似集动态获取方法
信息系统中的数据是动态变化的,根据动态变化的信息系统获取有用的信息,成为数据处理中的关键问题。针对该问题,分别讨论了信息系统中属性增加和减少时,近似集的动态获取方法。通过对信息系统中原有的等价类进行划分,避免了对论域的重新划分,提高了动态更新近似集的效率,通过讨论等价类与原有近似集之间的关系,给出了信息系统动获取之后的近似集与原来近似集之间的相关定理,提出了在经典粗糙集模型中,属性增减时近似集动态获取方法。实验结果验证了该方法的正确性和有效性,而且效率优于原始的方法。
知识发现、近似集、动态更新
TP18(自动化基础理论)
国家自然科学基金60873108资助项目;安徽省高校自然科学基金重点KJ2014A184资助项目。
2016-01-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
1332-1340