期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于粗糙属性向量树的规则提取快速矩阵算法 被引量:9
1
作者 文香军 蔡云泽 +1 位作者 谭天乐 许晓鸣 《电子学报》 EI CAS CSCD 北大核心 2006年第1期65-70,64,共7页
本文首先探讨了粗糙集中等价矩阵的基本概念及其运算性质.借助于粗糙属性向量树(RAVT)的巧妙构造,提出了两种能同时完成属性约简、数据清洗和规则提取的快速递推矩阵算法(RMC)和分布式并行矩阵算法(PMC).上述算法强调规则提取的实用性... 本文首先探讨了粗糙集中等价矩阵的基本概念及其运算性质.借助于粗糙属性向量树(RAVT)的巧妙构造,提出了两种能同时完成属性约简、数据清洗和规则提取的快速递推矩阵算法(RMC)和分布式并行矩阵算法(PMC).上述算法强调规则提取的实用性和高效性,通过一个简单实例研究验证了PMC算法的可行性,通过对算法复杂度的深入分析和一组对比实验验证了RMC算法对知识发现、基于数据建模和控制的有效性. 展开更多
关键词 等价矩阵 ravt 规则提取 RMC PMC
下载PDF
基于粗糙属性向量树的属性约简新方法 被引量:2
2
作者 张迎春 闫德勤 张丹枫 《计算机应用与软件》 CSCD 2010年第8期19-22,共4页
在对区分能力大小研究的基础上建立了一个用于指导信息表的绝对属性约简的粗糙集模型,同时在对区分能力和分类能力二者关系深入研究的基础上提出了决策依赖区分精度新概念,该概念是用于指导决策表的、相对属性约简的一个新的判据。借助... 在对区分能力大小研究的基础上建立了一个用于指导信息表的绝对属性约简的粗糙集模型,同时在对区分能力和分类能力二者关系深入研究的基础上提出了决策依赖区分精度新概念,该概念是用于指导决策表的、相对属性约简的一个新的判据。借助粗糙属性向量树提出了新的求全部属性约简的算法,通过理论分析说明了新算法的最坏时间复杂度低于经典的"基于差别矩阵求全部属性约简算法"以及它的改进算法。对比实验结果验证了该算法在运算效率上明显高于"基于差别矩阵求全部属性约简算法"的改进算法。 展开更多
关键词 区分精度 决策依赖区分精度 粗糙属性向量树 差别矩阵 近似精度
下载PDF
Fast Matrix Computation Algorithms Based on Rough Attribute Vector Tree Method in RDSS
3
作者 文香军 许晓鸣 蔡云泽 《Journal of Donghua University(English Edition)》 EI CAS 2005年第4期72-78,共7页
The concepts of Rough Decision Support System (RDSS) and equivalence matrix are introduced in this paper. Based on a rough attribute vector tree (RAVT) method, two kinds of matrix computation algorithms — Recursive M... The concepts of Rough Decision Support System (RDSS) and equivalence matrix are introduced in this paper. Based on a rough attribute vector tree (RAVT) method, two kinds of matrix computation algorithms — Recursive Matrix Computation (RMC) and Parallel Matrix Computation (PMC) are proposed for rules extraction, attributes reduction and data cleaning finished synchronously. The algorithms emphasize the practicability and efficiency of rules generation. A case study of PMC is analyzed, and a comparison experiment of RMC algorithm shows that it is feasible and efficient for data mining and knowledge-discovery in RDSS. 展开更多
关键词 Rules extraction matrix computation RMC PMC RDSS ravt.
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部