新的模糊粗集知识约简算法

doi:10.3778/j.issn.1002-8331.2009.28.045

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (28): 151-153.DOI: 10.3778/j.issn.1002-8331.2009.28.045

• 数据库、信号与信息处理 • 上一篇下一篇

新的模糊粗集知识约简算法

陶志，张春晓，商维

中国民航大学理学院，天津 300300

收稿日期:2008-05-27 修回日期:2008-09-05 出版日期:2009-10-01 发布日期:2009-10-01
通讯作者: 陶志

Novel knowledge reduction algorithm for fuzzy rough set

TAO Zhi，ZHANG Chun-xiao，SHANG Wei

College of Sciences，Civil Aviation University of China，Tianjin 300300，China

Received:2008-05-27 Revised:2008-09-05 Online:2009-10-01 Published:2009-10-01
Contact: TAO Zhi

摘要/Abstract

摘要： 提出了一种基于模糊决策属性依赖度的属性相对约简算法。该算法利用粗糙集理论分析的方法，通过在知识表达系统中引入模糊决策属性依赖度的概念，来描述由条件属性所提供的知识对整体决策的依赖程度，并通过模糊决策属性依赖度定义了条件属性对模糊决策属性的相对重要性，以此作为启发式信息，可以方便地求出相对核，再以相对核作为求解最小相对约简的起点。按重要性的不同逐次选择重要属性添加到相对核中，直至其依赖度达到整体条件属性依赖度时为止。

关键词: 模糊粗糙集, 知识表达系统, 模糊决策属性依赖度, 相对约简

Abstract: A kind of attribute relative reduction for fuzzy decision attribute dependent degree is proposed.With rough set theory and fuzzy decision attribute dependent degree applied in knowledge express system，the dependent degree of the knowledge supplied by condition attribute for the whole decision is described and relative importance degree and relative core is obtained.Based on relative core，attributes are selected one by one and inserted into relative core according to their importance degree until the whole condition attribute dependent degree is met.

Key words: fuzzy rough set, knowledge express system, fuzzy decision attribute dependent degree, relative reduction

中图分类号:

TP18

陶志，张春晓，商维. 新的模糊粗集知识约简算法[J]. 计算机工程与应用, 2009, 45(28): 151-153.

TAO Zhi，ZHANG Chun-xiao，SHANG Wei. Novel knowledge reduction algorithm for fuzzy rough set[J]. Computer Engineering and Applications, 2009, 45(28): 151-153.

[1]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[2]	张晓婷，何朗，黄樟灿，谈庆. 基于MFR-GEP的高阶常微分方程预测模型[J]. 计算机工程与应用, 2019, 55(21): 247-253.
[3]	任志斌，李洋，郭士杰，郭志红，刘秀丽. 基于模糊粗糙集的睡姿压力图像识别[J]. 计算机工程与应用, 2018, 54(3): 172-177.
[4]	鲁小云，王青海. 单向S-区间值模糊粗糙集及应用[J]. 计算机工程与应用, 2014, 50(8): 114-117.
[5]	范成礼，邢清华，邹志刚，范学渊. 基于直觉模糊粗糙集相似度的多属性决策方法[J]. 计算机工程与应用, 2014, 50(7): 121-124.
[6]	高志军1，李懿1，姚平2，王高飞2. 模糊粗糙集与SVM的彩铃客户挖掘模型[J]. 计算机工程与应用, 2013, 49(4): 125-128.
[7]	徐山1，杜卫锋2，闵啸2. 一种新的模糊决策表属性约简方法[J]. 计算机工程与应用, 2013, 49(18): 105-107.
[8]	邵迎超1，杜召彬2，杨霁琳3，秦克云1. 软模糊粗糙集[J]. 计算机工程与应用, 2013, 49(10): 125-128.
[9]	杨伟萍1，林梦雷2. [(I ,J )]-区间直觉模糊粗糙集 [J]. 计算机工程与应用, 2012, 48(5): 159-163.
[10]	周志平，刘付显. 一种改进的模糊粗糙集知识约简方法[J]. 计算机工程与应用, 2012, 48(18): 132-135.
[11]	鲁小云，耿生玲. 双向S-模糊粗糙集及其应用[J]. 计算机工程与应用, 2012, 48(16): 47-50.
[12]	陈汉鸣，薛月菊，王楷，陈瑶，杨敬锋. 模糊粗糙集在碳通量属性约简应用研究[J]. 计算机工程与应用, 2011, 47(34): 155-157.
[13]	王艳平，孙静，陈美薇. 区间直觉模糊粗糙集[J]. 计算机工程与应用, 2011, 47(24): 37-38.
[14]	翟兴隆，李续武. 基于模糊粗糙依赖度的连续值属性约简[J]. 计算机工程与应用, 2010, 46(17): 136-138.
[15]	李晓丽，杜振龙. 模糊粗糙集在音频检索中的应用[J]. 计算机工程与应用, 2010, 46(15): 124-126.

新的模糊粗集知识约简算法

Novel knowledge reduction algorithm for fuzzy rough set

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics