基于模糊化的决策粗糙集属性约简和分类

被引：33

作者：

郭敏 ^{[1
]}

贾修一 ^{[2
]}

商琳 ^{[1
]}

机构：

[1] 南京大学计算机软件新技术国家重点实验室

[2] 南京理工大学计算机科学与工程学院

来源：

模式识别与人工智能 | 2014年 / 27卷 / 08期

关键词：

决策粗糙集; 模糊集; 隶属度函数; 连续值属性;

D O I：

10.16451/j.cnki.issn1003-6059.2014.08.011

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

决策粗糙集是一种基于贝叶斯风险最小化原则的具有一定容忍度的概率粗糙集模型,但当前关于决策粗糙集模型的研究只局限于处理具有离散型数据的信息表.文中将模糊集和决策粗糙集理论相结合,在决策粗糙集模型中计算期望风险损失时,利用模糊隶属度函数代替传统的后验概率求解方法,这样可推导出新的决策规则,进而可高效处理那些包含连续型属性的信息系统.实验表明该方法是可行的,并且可通过调整隶属度函数,达到更佳分类效果.

引用

页码：701 / 707

页数：7