一种基于改进粗糙集模型的归纳学习方法

摘要：

对传统的粗糙集理论进行了扩展,提出了一种改进的粗糙集归纳学习方法.一方面,针对连续属性离散化,利用模糊集理论对连续属性进行模糊化,再根据模糊贴近度构造模糊相似矩阵,并用k-w方法粗略评估各连续属性的重要度,建立基于模糊相似关系的划分,最终生成相容的决策表.另一方面,针对解决最优属性的选择问题,提出一种加权求和的属性重要度定义.基于以上模型开发了一个原型系统,并以一个工程实例验证了此方法的有效性.

关键词：离散化、粗糙集、模糊相似关系、属性重要度、归纳学习

所属期刊栏目：16

分类号：TP18(自动化基础理论)

资助基金：国家高技术研究发展计划863计划2002AA134020;上海市高校青年教师科研专项基金05XPYQ45

在线出版日期：2006-11-07（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：32-34,36