【摘要】：規(guī)則挖掘是數(shù)據(jù)挖掘的一項(xiàng)重要研究?jī)?nèi)容,也是決策支持系統(tǒng)、人工智能和推薦系統(tǒng)等領(lǐng)域的研究熱點(diǎn),其中,屬性約簡(jiǎn)和最小規(guī)則集合抽取是關(guān)鍵環(huán)節(jié),尤其抽取效率決定了其可應(yīng)用性。將粗糙集模型和粒計(jì)算理論應(yīng)用于決策規(guī)則約簡(jiǎn),通過(guò)�；瘮�(shù)實(shí)現(xiàn)決策表的�；�,由粒隸屬度和概念粒集構(gòu)造算法生成初始概念粒集,進(jìn)而根據(jù)概念粒的分辨算子進(jìn)行屬性約簡(jiǎn),可視化的概念粒格實(shí)現(xiàn)決策規(guī)則提取。實(shí)驗(yàn)結(jié)果表明該方法更易計(jì)算機(jī)編程實(shí)現(xiàn),比已有方法高效實(shí)用。
[Abstract]:Rule mining is not only an important research content in data mining, but also a hot topic in the fields of decision support system, artificial intelligence and recommendation system, among which attribute reduction and minimum rule set extraction are the key links. In particular, the efficiency of extraction determines its applicability. Rough set model and granular computing theory are applied to the reduction of decision rules. The granulation function is used to realize the granulation of decision table, and the initial concept set is generated from the degree of membership of the particle and the construction algorithm of the concept set. Then the attribute reduction is carried out according to the resolution operator of the concept particle, and the decision rules are extracted from the visual concept particle lattice. The experimental results show that this method is easier to be realized by computer programming and is more efficient and practical than the existing methods.
【作者單位】： 華北理工大學(xué)理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(No.61370168) 河北省自然科學(xué)基金資助項(xiàng)目(No.F2014209238)~~
【分類號(hào)】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閻紅燦;張奉;王云;劉保相;;基于粒計(jì)算的多值屬性概念格約簡(jiǎn)[J];計(jì)算機(jī)應(yīng)用;2015年S2期

2 于洪;王國(guó)胤;姚一豫;;決策粗糙集理論研究現(xiàn)狀與展望[J];計(jì)算機(jī)學(xué)報(bào);2015年08期

3 陳澤華;張?jiān)?謝剛;;基于粒計(jì)算的最簡(jiǎn)決策規(guī)則挖掘算法[J];控制與決策;2015年01期

4 張清華;肖雨;;新的信息熵屬性約簡(jiǎn)[J];計(jì)算機(jī)科學(xué)與探索;2013年04期

5 梁德翠;胡培;;概念層次中基于粗糙集的優(yōu)化可信規(guī)則獲取[J];計(jì)算機(jī)應(yīng)用;2011年02期

6 鄂旭;邵良杉;張毅智;楊芳;李晗;楊佳欣;;一種基于粗糙集理論的規(guī)則提取方法[J];計(jì)算機(jī)科學(xué);2011年01期

7 王國(guó)胤;姚一豫;于洪;;粗糙集理論與應(yīng)用研究綜述[J];計(jì)算機(jī)學(xué)報(bào);2009年07期

8 徐鳳生;;一種屬性與值約簡(jiǎn)及規(guī)則提取算法[J];計(jì)算機(jī)工程與科學(xué);2008年02期

9 王國(guó)胤;張清華;胡軍;;粒計(jì)算研究綜述[J];智能系統(tǒng)學(xué)報(bào);2007年06期

10 仇國(guó)芳;陳勁;;概念格的規(guī)則約簡(jiǎn)與屬性特征[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2007年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邵曉慧;季元翔;樂(lè)歡;;云計(jì)算與大數(shù)據(jù)環(huán)境下全方位多角度信息安全技術(shù)研究與實(shí)踐[J];科技通報(bào);2017年01期

2 王文靜;張霞;趙銀娣;王樹(shù)東;;綜合多特征的Landsat 8時(shí)序遙感圖像棉花分類方法[J];遙感學(xué)報(bào);2017年01期

3 張維;苗奪謙;高燦;李峰;;一種處理部分標(biāo)記數(shù)據(jù)的粗糙集屬性約簡(jiǎn)算法[J];計(jì)算機(jī)科學(xué);2017年01期

4 李永鋒;柏錦燕;;基于粗糙集理論的老年人網(wǎng)頁(yè)感性設(shè)計(jì)研究[J];包裝工程;2016年24期

5 胡帥鵬;張清華;姚龍洋;;一種變粒度的規(guī)則提取算法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

6 崔莉;陸文偉;葛樂(lè);龔燈才;楊志超;;基于粗糙模糊集的輸電桿塔塔材實(shí)際強(qiáng)度精確計(jì)算[J];電測(cè)與儀表;2016年23期

7 張任;王暉;;基于三支決策粗糙集的概念漂移研究[J];微型機(jī)與應(yīng)用;2016年22期

8 謝小軍;陳光喜;;基于多屬性聯(lián)合的樸素貝葉斯分類算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2016年12期

9 武友新;李文晶;鐘子岳;;基于屬性值集合鏈的粗糙集快速屬性約簡(jiǎn)算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年11期

10 惠淑榮;索婉星;李麗鋒;杜哲鑫;;造紙廢水灌溉對(duì)蘆葦生長(zhǎng)和土壤質(zhì)量的影響及綜合評(píng)價(jià)[J];中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào);2016年11期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳澤華;曹長(zhǎng)青;謝剛;;基于粒矩陣的多變量真值表快速約簡(jiǎn)算法[J];模式識(shí)別與人工智能;2013年08期

2 余鷹;苗奪謙;劉財(cái)輝;王磊;;基于變精度粗糙集的KNN分類改進(jìn)算法[J];模式識(shí)別與人工智能;2012年04期

3 安健;桂小林;張文東;蔣精華;張進(jìn);;物聯(lián)網(wǎng)移動(dòng)感知中的社會(huì)關(guān)系認(rèn)知模型[J];計(jì)算機(jī)學(xué)報(bào);2012年06期

4 張清華;王國(guó)胤;劉顯全;;基于最大粒的規(guī)則獲取算法[J];模式識(shí)別與人工智能;2012年03期

5 陳昊;楊俊安;莊鎮(zhèn)泉;;變精度粗糙集的屬性核和最小屬性約簡(jiǎn)算法[J];計(jì)算機(jī)學(xué)報(bào);2012年05期

6 錢進(jìn);苗奪謙;張澤華;;云計(jì)算環(huán)境下知識(shí)約簡(jiǎn)算法[J];計(jì)算機(jī)學(xué)報(bào);2011年12期

7 賈修一;李偉nK;商琳;陳家駿;;一種自適應(yīng)求三枝決策中決策閾值的算法[J];電子學(xué)報(bào);2011年11期

8 錢宇華;梁吉業(yè);王鋒;;面向非完備決策表的正向近似特征選擇加速算法[J];計(jì)算機(jī)學(xué)報(bào);2011年03期

9 徐怡;李龍澍;;基于(α,λ)聯(lián)系度容差關(guān)系的變精度粗糙集模型[J];自動(dòng)化學(xué)報(bào);2011年03期

10 滕書華;孫即祥;周石琳;李智勇;;基于信息觀點(diǎn)的約簡(jiǎn)算法比較[J];計(jì)算機(jī)科學(xué);2011年01期

，

本文編號(hào)：2462890