基于变精度优粗集模型的一致性规则挖掘算法

为了在含有噪声数据的优势关系系统中进行数据挖掘,提出以修正的知识粒度作为改进粗糙规则集的不确定性度量,并以此为启发式信息进行属性的相对约简,再依据变精度优粗集所给的参数值导出一致性规则集,并对参数值影响规则集的程度进行灵敏度分析。该算法所得到的一致性规则集具备较高的准确度和覆盖度,同时又可排除由数据噪声所引起的不一致性,从而保证了预测和分类的准确性和合理性。通过实例证明该算法是一种规则获取的有效方法。

双向S-变精度优粗集模型及其应用

针对S-粗集模型及其现有扩展模型不能有效处理具有动态特性的偏好信息系统这一缺陷,本文提出了一种双向S-变精度优粗集模型,并给出了该模型的一些性质。新模型具有一定的抗数据干扰能力,从而可在动态偏好信息决策系统中获得更加合理的分类;最后给出一个应用实例,验证了新模型的有效性。