粒计算中决策规则的提取

doi:10.3778/j.issn.1002-8331.2009.25.040

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (25): 132-134.DOI: 10.3778/j.issn.1002-8331.2009.25.040

粒计算中决策规则的提取

徐久成¹，史进玲^1,2，成万里¹

1.河南师范大学计算机与信息技术学院智能信息处理重点实验室，河南新乡 453007
2.许昌学院国际教育学院，河南许昌 461000

收稿日期:2008-10-22 修回日期:2008-12-26 出版日期:2009-09-01 发布日期:2009-09-01
通讯作者: 徐久成

Algorithm for decision rules extraction based on granular computing

XU Jiu-cheng¹，SHI Jin-ling^1,2，CHENG Wan-li¹

1.Key Lab for Intelligent Information Processing，College of Computer and Information Technology，Henan Normal University，Xinxiang，Xuchang，Henan 453007，China
2.International School of Education，Xuchang University，Xuchang，Henan 461000，China

Received:2008-10-22 Revised:2008-12-26 Online:2009-09-01 Published:2009-09-01
Contact: XU Jiu-cheng

摘要/Abstract

摘要： 为从决策表中获取最简决策规则，在研究粒计算理论的基础上，提出了一种基于粒计算的决策规则提取算法。该算法通过引入λ阶粒库的概念，利用粒计算的方法对由同一决策表所生成的粒库，从不同的角度和多个层次进行研究，尝试从较低阶的粒库中提取出尽可能多的具有一定规则覆盖度与置信度的简洁规则。最后通过实例验证了该算法的有效性。

关键词: 粒语言, 粒计算, 粒库, 决策规则

Abstract: To extract compact decision rules from decision table，an algorithm for decision rules extraction based on granular computing is proposed.In the algorithm，a concept of λ-rank granular base is defined，and granular bases of different ranks for the same decision table are brought out，using the methods of granular computing as many as possible，to extract decision rules which satisfy certain coverage and confidence limit of rules.Lastly，the validity for the algorithm is proved by analyzing examples.

Key words: granular language, granular computing, granular base, rules extraction

中图分类号:

TP301

徐久成¹，史进玲^1,2，成万里¹. 粒计算中决策规则的提取[J]. 计算机工程与应用, 2009, 45(25): 132-134.

XU Jiu-cheng¹，SHI Jin-ling^1,2，CHENG Wan-li¹. Algorithm for decision rules extraction based on granular computing[J]. Computer Engineering and Applications, 2009, 45(25): 132-134.

[1]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[2]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[3]	彭莉莎，钱文彬，王映龙，舒文豪. 面向不完备邻域系统的三支决策粒计算方法[J]. 计算机工程与应用, 2019, 55(18): 53-60.
[4]	阎红灿，张奉，刘保相. 本体构建的粒计算学习模型[J]. 计算机工程与应用, 2017, 53(1): 87-91.
[5]	刘玉超. 一种自适应的多粒度概念提取方法——高斯云变换[J]. 计算机工程与应用, 2015, 51(9): 1-8.
[6]	李鸿1，2. 基于偏序关系粒范畴的构造方法[J]. 计算机工程与应用, 2015, 51(6): 11-15.
[7]	单雪红1，吴涛2，张文军3，高显彩1. 覆盖粗糙集的偏序关系研究[J]. 计算机工程与应用, 2015, 51(5): 153-155.
[8]	陈济舟，罗可. 基于粒计算与粗糙集的人工鱼群聚类算法[J]. 计算机工程与应用, 2015, 51(21): 116-120.
[9]	汪凌. 不完备决策系统规则获取的相容矩阵算法[J]. 计算机工程与应用, 2015, 51(1): 130-133.
[10]	刘丽杰1，李盼池2，李守威3. 粒化（α，k）-匿名方法研究[J]. 计算机工程与应用, 2014, 50(2): 75-80.
[11]	李鸿1，2，马小平1. 粒计算的四元模型研究[J]. 计算机工程与应用, 2013, 49(4): 9-13.
[12]	李莲，罗可，周博翔. 一种改进人工蜂群的K-medoids聚类算法[J]. 计算机工程与应用, 2013, 49(16): 146-150.
[13]	闫林1，闫硕2. 粒计算下的决策系统分解与决策转换[J]. 计算机工程与应用, 2012, 48(4): 13-17.
[14]	陈玉明，吴克寿，孙金华. 基于知识粒度的异常数据挖掘算法[J]. 计算机工程与应用, 2012, 48(4): 118-120.
[15]	张宝华. 决策规则分类器在网络入侵检测中的应用[J]. 计算机工程与应用, 2012, 48(26): 93-95.

粒计算中决策规则的提取

Algorithm for decision rules extraction based on granular computing

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