基于可变精度粗集模型的k-NN分类

将可变精度粗集模型与k-NN分类结合起来,提出了一种新的分类方法,即基于可变精度粗集模型的k-NN分类方法,并且给出了β-信任函数和β-似然函数两个新的概念。

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集,当增加新样本时,传统的方法通常需要对决策表中所有数据重新计算,效率欠佳。从可变精度粗集模型理论出发,讨论了新增记录与已有条件属性等价类的关系及对规则集的影响,在此基础上提出了基于可变精度粗集模型的增量式规则获取算法。通过仿真实验表明,这种增量式算法是可行的。