×
李仁普;王振鸥

使用粗糙集和神经网络挖掘分类规则。 （英语） Zbl 1106.68386号

欧洲药典。物件。 157，第2期，439-448（2004）。
分类是数据挖掘中的一个重要主题。粗糙集和神经网络是应用于数据挖掘问题的两种常用技术。结合两种方法的优点，本文提出了一种从决策表中高效提取分类规则的混合系统。与以往仅使用粗糙集加速或简化使用神经网络从数据库中挖掘知识的过程不同，在我们的系统中，神经网络仅用作减少决策表和过滤其噪声的工具，而最终知识（规则集）由粗糙集从约简的决策表生成。因此，我们的方法避免了从训练的神经网络中提取规则的困难，并且具有基于粗糙集的方法所缺乏的鲁棒性。通过与传统粗糙集和神经网络方法的对比实验，验证了该方法的有效性。

引用于6文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62小时30分 分类和区分；聚类分析（统计方面）

关键词：

粗糙集;神经网络;数据挖掘;分类

软件：

UCI毫升
PDF格式BibTeX公司 XML格式引用
\textit{R.Li}和\textit{Z.Wang}，欧洲期刊Oper。第157号决议，第2号，439--448（2004年；Zbl 1106.68386）
全文： 内政部

参考文献：

[1] 陈，M。；Han，J。；Yu，P.，《数据挖掘：从数据库角度的概述》，IEEE知识与数据工程学报，8，6，866-883（1996）
[2] Y.本吉奥。；Buhlmann，J。；Embrachts，M。；Zurada，J.，《用于数据挖掘和知识发现的神经网络专题导论》，IEEE神经网络汇刊，11，3，545-549（2000）
[3] Ziarko，W.，《粗糙集和知识发现专题导论》，计算智能，11，2，223-226（1995）
[4] Yahia，M。；马哈莫德（Mahmod，R.）。；北苏莱曼。；Ahmad，F.，粗糙神经专家系统，应用专家系统，18，2，87-99（2000）
[5] N.Phuong，L.Phong，P.Santiprabhob，B.Baets，使用粗糙集理论的专家系统生成规则方法，收录于：IFSA世界大会和第20届NAFIPS国际会议，2001年，第877-882页；N.Phuong，L.Phong，P.Santiprabhob，B.Baets，使用粗糙集理论的专家系统生成规则方法，收录于：IFSA世界大会和第20届NAFIPS国际会议，2001年，第877-882页
[6] Pawlak，Z。；Grzymala-Busse，J。；斯洛文斯基，R。；Ziarko，W.，粗糙集，美国计算机学会通讯，38，11，88-95（1995）
[7] J.Bazan，A.Skowron，P.Synak，《动态还原作为从决策表中提取规律的工具》，载于：《智能系统方法论研讨会论文集》，1994年，第346-355页；J.Bazan，A.Skowron，P.Synak，《动态还原作为从决策表中提取规律的工具》，摘自：《智能系统方法论研讨会论文集》，1994年，第346-355页
[8] 卢，H。；塞提诺，R。；Liu，H.，使用神经网络进行有效数据挖掘，IEEE知识与数据工程汇刊，8，6，957-961（1996）
[9] 克雷文，M。；Shavlik，J.，《使用神经网络进行数据挖掘》，《未来一代计算机系统》，第13期，第211-229页（1997年）
[10] Jelonek，J。；Krawiec，K。；Slowinski，R.，神经网络属性及其域的粗糙集约简，计算智能，11，2，339-347（1995）
[11] Swiniarski，R。；Hargis，L.，粗糙集作为神经网络纹理分类器的前端，神经计算，36，1-4，85-102（2001）·Zbl 1003.68642号
[12] Ahn，B。；Cho，S。；Kim，C.，《粗糙集理论和人工神经网络用于商业失败预测的集成方法》，《应用专家系统》，18，2，65-74（2000）
[13] Yasdi，R.，结合粗糙集学习和神经网络学习方法处理不确定和不精确信息，神经计算，7，1，61-64（1995）·Zbl 0833.68101号
[14] 最后，M。；坎德尔，A。；Maimon，O.，《特征选择的信息论算法》，《模式识别字母》，22，799-811（2001）·Zbl 1010.68898号
[15] Dash，M。；刘浩，分类特征选择，智能数据分析，131-156（1997）
[16] Swiniarski，R.W。；Skowron，A.，《特征选择和识别中的粗糙集方法》，《模式识别快报》，24833-849（2003）·Zbl 1053.68093号
[17] 钟，N。；Dong，J。；Ohsuga，S.，《使用粗糙集和启发式进行特征选择》，《智能信息系统杂志》，16，199-214（2001）·Zbl 0994.68149号
[18] Beynon，M.，《可变精度粗糙集模型中的约简：进一步研究》，《欧洲运筹学杂志》，134592-605（2001）·Zbl 0984.90018号
[19] Verikas，A。；Bacauskine，M.，用神经网络进行特征选择，模式识别字母，231323-1335（2002）·Zbl 1010.68915号
[20] 卡斯特拉诺，G。；Fanelli，A.M.，使用神经网络模型的变量选择，神经计算，31，1，1-13（2000）
[21] 塞提诺，R。；Liu，H.，神经网络特征选择器，IEEE神经网络汇刊，8，3，554-662（1997）
[22] Mak，B。；Munakata，T.，从专家启发式中提取规则：粗糙集与神经网络和ID3的比较研究，欧洲运筹学杂志，136212-229（2002）·Zbl 1048.90169号
[23] X.Chen，S.Zhu，Y.Ji，具有不一致容忍度的分类规则的基于熵的不确定性度量，收录于：IEEE系统、人与控制论国际会议论文集，2000年，第2816-2821页；X.Chen，S.Zhu，Y.Ji，具有不一致容忍度的分类规则的基于熵的不确定性度量，摘自：IEEE系统、人与控制论国际会议论文集，2000年，第2816-2821页
[24] 杜恩施，I。；Gediga，G.，粗糙集预测的不确定性度量，人工智能，106，1，109-137（1998）·兹比尔0909.68040
[25] Tsukimoto，H.，从训练的神经网络中提取规则，IEEE神经网络汇刊，11，2，377-389（2000）
[26] Fu，L.，神经网络规则生成，IEEE系统、人与控制论汇刊，24，8，1114-1124（1994）
[27] R.Félix，T.Ushio，使用粗糙集从不一致和不完整数据中进行规则归纳，见：IEEE系统、人和控制论国际会议，1999年，第154-158页；R.Félix，T.Ushio，使用粗糙集从不一致和不完整数据中进行规则归纳，收录于：IEEE系统、人和控制论国际会议，1999年，第154-158页
[28] 阿格拉瓦尔，R。；伊米林斯基，T。；Swami，A.，《数据库挖掘：性能视角》，IEEE知识与数据工程汇刊，5，6，914-925（1993）
[29] P.M.Murphy，D.W.Aha，UCI机器学习数据库存储库，机器可读数据存储库，加州大学欧文分校信息与计算机科学系，1992年；P.M.Murphy，D.W.Aha，UCI机器学习数据库存储库，机器可读数据存储库，加利福尼亚州欧文市，加利福尼亚大学信息与计算机科学系，1992年
[30] 贾吉尔斯卡，I。；马修斯，C。；Whitfort，T.，《神经网络、模糊逻辑、遗传算法和粗糙集在分类问题自动知识获取中的应用研究》，神经计算，24，37-54（1999）·Zbl 0922.68096号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。