萨拉·弗鲁曼斯;德耶,林恩;伊万·塞伊斯;克里斯·科内利斯 模糊粗糙集理论在机器学习中的应用综述。 (英语) Zbl 1346.68167号 芬丹。通知。 142,编号1-4,53-86(2015). 摘要:机器学习应用程序中使用的数据容易包含模糊和不完整的信息。许多作者建议在开发处理这些特征的新技术时使用模糊粗糙集理论。模糊集处理模糊数据,而粗糙集允许对不完整信息建模。因此,这两种范式的混合设置是应对不同挑战的理想候选工具。本文对模糊粗糙集在机器学习应用中的应用进行了全面的综述。我们回顾了它们在预处理方法中的集成,并考虑了监督、非监督和半监督领域中的学习算法,并概述了未来的挑战。在整篇文章中,我们强调了模糊粗糙集理论进展与利用它们的实用机器学习工具之间的相互作用。 引用于7文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:模糊集;粗糙集;模糊粗糙集;机器学习 PDF格式BibTeX公司 XML格式引用 \textit{S.Vluymans}等人,Fundam。通知。142,编号1--4,53-86(2015;Zbl 1346.68167) 全文: 内政部