×

粗糙集的概率方法。 (英语) Zbl 1191.68705号

摘要:本文介绍了粗糙集理论的基本思想,并对其概率版本进行了研究。它依赖于分类知识和概率知识来分析规则和属性。提出了粗糙近似评价测度和单向、双向集间依赖测度,并将其应用于概率规则评价。引入了一种新的属性概率依赖测度,并证明了该测度具有单调性。该属性使度量可以通过计算属性约简、核心和重要性因子的概率度量来优化和评估基于属性的表示。

MSC公司:

68层37 人工智能背景下的不确定性推理
68T05型 人工智能中的学习和自适应系统
68立方英尺 知识表示

软件:

LERS公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] A.Skowron,C.Rauszer,《信息系统中的可辨矩阵和函数》,ICS报告1/91,华沙理工大学。;A.Skowron,C.Rauszer,《信息系统中的可辨矩阵和功能》,ICS报告1/91,华沙科技大学。
[2] Grzymala-Busse,J.,LERS-基于粗糙集的示例学习系统,智能决策支持:粗糙集理论应用与进展手册(1991),Kluwer,第3-18页
[3] Ziarko,W。;Shan,N.,计算属性值系统中所有最大一般规则的方法,计算智能,12,2,223-234(1996)
[4] Pawlak,Z.,《粗糙集-数据推理的理论方面》(1991),Kluwer·兹伯利0758.68054
[5] Slezak,D。;Ziarko,W.,贝叶斯粗糙集模型的研究,国际近似推理杂志,40,1-2,81-91(2005)·Zbl 1099.68089号
[6] Ziarko,W.,可变精度粗糙集模型,《计算机与系统科学杂志》,46,1,39-59(1993)·Zbl 0764.68162号
[7] Ziarko,W.,《变精度粗糙集模型中的集合近似质量度量》,《软计算系统、管理和应用》(2001),IOS出版社,第442-452页
[8] Yao,Y.Y。;Wong,S.K.M.,近似概念的决策理论框架,《国际人机研究杂志》,37793-809(1992)
[9] Wong,S.K.M。;Ziarko,W.,《概率近似分类与模糊集模型的比较》,《模糊集与系统国际期刊》,21357-362(1986)·Zbl 0618.60002号
[10] Tsumoto,S.,基于粗糙集的医疗诊断规则建模(1998年RSCTC会议记录)。1998年RSCTC会议记录,AI课堂讲稿,1424(1998),Springer-Verlag),475-481
[11] S.K.M.Wong,W.Ziarko,INFER——基于概率近似分类的自适应决策支持系统,摘自:《第六届专家系统及其应用国际研讨会论文集》,Avignon,1986年,第713-725页。;S.K.M.Wong,W.Ziarko,INFER——一种基于概率近似分类的自适应决策支持系统,载于《第六届专家系统及其应用国际研讨会论文集》,阿维尼翁,1986年,第713-725页。
[12] S.K.M.Wong,W.Ziarko,决策理论中的代数与概率独立性,摘自:《智能系统方法学国际研讨会论文集》,诺克斯维尔,1986年,第207-212页。;S.K.M.Wong,W.Ziarko,决策理论中的代数与概率独立性,摘自:《智能系统方法学国际研讨会论文集》,诺克斯维尔,1986年,第207-212页。
[13] Pawlak,Z。;Wong,S.K.M。;Ziarko,W.,《粗糙集:概率与确定性方法》,《国际人机研究杂志》,2981-95(1988)·Zbl 0663.68094号
[14] Ziarko,W.,《发现规则和属性依赖的粗糙集方法》,《数据挖掘和知识发现手册》(2002),牛津大学出版社,第328-339页·Zbl 1003.68037号
[15] Beynon,M.,《可变精度粗糙集模型中(β)-约简选择迭代过程的说明》,(RSCTC’2004年论文集)。2004年RSCTC会议记录,AI课堂讲稿,第1711卷(2004),Springer-Verlag),412-417·Zbl 1103.68831号
[16] Mieszkowicz,A。;Rolka,L.,《关于变精度粗糙集模型中近似质量的评论》,《RSCTC学报》,2004年。2004年RSCTC会议记录,AI课堂讲稿,第1711卷(2004),Springer-Verlag),402-411·Zbl 1103.68862号
[17] Slezak,D.,分布式决策系统的粗糙贝叶斯模型(RSCTC’2004年会议记录)。RSCTC 2004年会议记录,AI课堂讲稿,第1711卷(2004),Springer-Verlag),384-393·Zbl 1103.68879号
[18] Murai,T。;萨纳达,M。;Kudo,M.,关于非单调推理中Ziarko的变精度粗糙集模型的注释,(RSCTC’2004年会议记录)。2004年RSCTC会议记录,AI课堂讲稿,第1711卷(2004),Springer-Verlag),103-108·兹比尔1103.68863
[19] Wei,L。;Zhang,W.,以模糊集为特征的概率粗糙集(RSFDGrC’2003年学报)。RSFDGrC’2003年会议记录,AI课堂讲稿,第2639卷(2003),Springer-Verlag),173-180·Zbl 1026.68663号
[20] Tsumoto,S.,《提取医疗诊断结构:粗糙集方法》(RSFDGrC’2003年会议记录)。RSFDGrC’2003年会议记录,AI课堂讲稿,第2639卷(2003),Springer-Verlag),78-88·兹比尔1026.68660
[21] Beynon,M.,《扩展可变精度粗糙集模型中的依赖度和分类质量》,(RSFDGrC’2003年论文集。RSFDGrC’2003年会议记录,AI课堂讲稿,第2639卷(2003),Springer-Verlag),287-290·Zbl 1026.68617号
[22] Greco,S。;马塔拉佐,B。;斯洛文斯基,R。;Stefanowski,J.,基于优势的粗糙集方法的变量一致性模型(RSCTC’2000年论文集)。2000年RSCTC会议记录,AI课堂讲稿,第2005卷(2000),斯普林格·弗拉格),170-179·兹比尔1014.68544
[23] 费尔南德斯·拜赞(Fernandez-Baizan,M.)。;Perez-Lera,C。;费托·加西亚,J。;Almeida,A.,基于随机近似空间的LEM3算法推广,(RSCTC’2000年会议记录)。2000年RSCTC会议记录,AI课堂讲稿,第2005卷(2000),Springer-Verlag),286-290·Zbl 1014.68518号
[24] 加尔韦斯,J。;迪亚兹,F。;卡里昂,P。;Garcia,A.,《基于VPRS模型修订版的知识发现应用》(RSCTC’2000年会议记录)。2000年RSCTC会议记录,AI课堂讲稿,第2005卷(2000),Springer-Verlag),296-303·Zbl 1014.68501号
[25] Tsumoto,S.,《规则归纳的统计扩展方法》(RSCTC’2000年会议记录)。2000年RSCTC会议记录,AI课堂讲稿,第2005卷(2000),Springer-Verlag),362-369·Zbl 1013.68223号
[26] Wong,M。;Butz,C.,《不确定性推理的粗糙集》(RSCTC’2000年会议记录)。2000年RSCTC会议记录,AI课堂讲稿,第2005卷(2000),Springer-Verlag),511-518·Zbl 1013.68232号
[27] Yao,Y.,粗糙集的概率方法,专家系统,20,5,287-291(2003)
[28] Greco,S。;马塔拉佐,B。;Slowinski,R.,参数化粗糙集的粗糙隶属度和贝叶斯确认测度,(2005年第10届RSDGRC会议记录)。第十届RSDGRC会议记录,2005年,LNAI,第3641卷(2005年),施普林格),314-324·Zbl 1134.68531号
[29] Ziarko,W.,《关于决策表的可学习性》,(《第三届粗糙集与计算当前趋势国际会议论文集》,瑞典乌普萨拉。《第三次粗糙集与计算机当前趋势国际大会论文集》(Proceedings of the Third International Conference On Rough Sets and Current Trends in Computing),瑞典乌普萨拉,LNAI,vol.3066(2004),Springer),394-401·Zbl 1103.68740号
[30] S.Greco,B.Matarazo,R.Slowinski,使用粗糙隶属度和贝叶斯确认测度的参数化粗糙集模型,本期。;S.Greco,B.Matarazo,R.Slowinski,使用粗糙隶属度和贝叶斯确认测度的参数化粗糙集模型,本期·兹比尔1191.68678
[31] 姚毅,概率粗糙集近似,本期。;Yao,概率粗糙集近似,本期。
[32] 谢国忠,张建军,赖国强,余立群,变精度粗糙集在群决策中的应用,本期。;G.Xie,J.Zhang,K.Lai,L.Yu,群决策的变精度粗糙集:一个应用,本期·Zbl 1185.91077号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。