基于Bayes概率边界域的粗集分类方法及其在高频数据中的应用

被引：2

作者：

来升强 ^{[1
]}

谢邦昌 ^{[2
,1
]}

朱建平 ^{[1
]}

机构：

[1] 厦门大学计划统计系

[2] 台湾辅仁大学统计资讯学系

来源：

统计研究 | 2010年 / 27卷 / 03期

关键词：

可变精度粗糙集; Bayes边界域; 高频数据;

D O I：

10.19343/j.cnki.11-1302/c.2010.03.012

中图分类号：

O159 [模糊数学]; O212.8 [贝叶斯统计];

学科分类号：

070104 ; 020208 ; 070103 ; 0714 ;

摘要：

作为一种近似处理的工具,粗集主要用于不确定情况下的决策分析,并且不需要任何事先的数据假定。但当前的主流粗集分类方法仍然需要先经过离散化的步骤,这就损失了数值型变量提供的高质量信息。本文对隶属函数重新加以概率定义,并提出了一种基于Bayes概率边界域的粗集分类技术,比较好地解决了当前粗集方法所面临的数值型属性分类的不适应、分类规则不完备等一系列问题。

引用

页码：76 / 82

页数：7

共 7 条

[1] 可变精度粗糙集β值的增量计算 [J].

吉阳生 ;

商琳 .

计算机科学, 2008, (03) :228-230+266

[2] 数据挖掘中高维定性数据的粗糙集聚类 [J].

来升强 ;

朱建平 .

统计研究, 2005, (08) :56-60

[3] 关于Rough Set理论与应用的综述 [J].

王珏 ;

苗夺谦 ;

周育健 .

模式识别与人工智能, 1996, 9 (04) :337-344

[4]

粗糙集理论在中文文本分类中的应用[D]. 杜卫锋.西南交通大学 2006

[5]

粗糙集理论与方法[M]. 科学出版社 , 张文修等编著, 2001

[6]

Reducts within the variable precision rough sets model: A further investigation[J] . Malcolm Beynon.European Journal of Operational Research . 2001 (3)

[7] ROUGH SETS [J].

PAWLAK, Z .

INTERNATIONAL JOURNAL OF COMPUTER & INFORMATION SCIENCES, 1982, 11 (05) :341-356

← 1 →