基于粗糙集的归纳推理检索方法

被引：4

作者：

张光前

邓贵仕

吕文颜

机构：

[1] 大连理工大学系统工程研究所

[2] 大连理工大学系统工程研究所大连

[3] 大连

来源：

计算机工程 | 2003年 / 16期

关键词：

基于事例推理; 归纳推理检索; 决策树; 粗集; 重要度;

D O I：

暂无

中图分类号：

TP301 [理论、方法];

学科分类号：

081202 ;

摘要：

归纳推理检索是基于事例推理(CBR)中常用的检索方法之一，是基于ID3算法的检索方法。文章在基于事例推理方法的背景下论证了事例的属性的重要性和冗余之间的关系，并在此基础上从属性相对于其属性的重要性角度来构造启发函数。和ID3算法相比较，该算法不但降低了计算复杂性，而且在一定程度上可以消除样本中的噪声，使归纳推理检索方法的检索效率有所提高。

引用

页码：23 / 24+105 +105

页数：3

共 6 条

[1]

粗糙集理论与方法[M]. 科学出版社 , 张文修等编著, 2001

[2]

计算机算法设计与分析[M]. 电子工业出版社 , 苏德富, 2001

[3]

高级人工智能[M]. 科学出版社 , 史忠植编著, 1998

[4] AUTOMATED EXTRACTION OF ATTRIBUTE HIERARCHIES FOR AN IMPROVED DECISION-TREE CLASSIFIER [J].

NAKASUKA, S ;

KOISHI, T .

ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 1995, 8 (04) :391-399

[5]

Induction of decision trees[J] . J. R. Quinlan.Machine Learning . 1986 (1)

[6]

AE1: An extension matrix approximate method for the general covering problem[J] . Jiarong Hong.International Journal of Computer & Information Sciences . 1985 (6)

← 1 →