莱尔斯

LERS–一个基于粗糙集的示例学习系统。本文介绍了规则归纳系统LERS。该系统利用粗糙集理论处理输入数据的不一致性。粗糙集理论特别适合处理不一致性。在这种方法中,不一致之处不会得到纠正。相反,系统LER计算每个概念的上下近似值。然后归纳出一定的规律和可能的规律。用户可以选择使用机器学习方法或知识获取方法。在第一种情况下,系统为每个概念归纳一个最小判别描述。在每一种情况下,都可以从系统中归纳出最小的规则。在这两种情况下,用户可以在本地或全局方法之间进行选择。


zbMATH参考文献(参考 119篇文章 参考)

显示第1到第20个结果,共119个。
按年份排序(引用)
  1. Andrea Campagner;Federico的Cabitza;Ciucci,Davide:处理和利用数据中模糊性的三进三出框架(2020)
  2. 陈新英;李冠宇;孙云豪:基于决策依赖度的规则抽取模型(2019)
  3. Amin,Talha;Moshkov,Mikhail:完全最优决策规则(2018)
  4. 钱玉华;梁新彦;王琦;梁继业;刘冰;斯考伦、安德泽吉;姚、易玉;马建民;党、创银:局部粗糙集:大数据中粗数据分析的解决方案(2018)
  5. Li,Hua;Li,Deyu;翟彦辉;Wang,Suge;Zhang,Jing:一种基于粗糙集理论的多标签数据属性约简方法(2016)
  6. 姚义玉:粗糙集概念分析:基于形式概念分析的概念解释可定义概念(2016)
  7. 郑清学;王素香:基于降维规则生成法的季度时间序列分类器识别财务困境(2015)
  8. 陈金坤;林跃进;林国平;李金金;马周明:粗糙集属性约简与图的最小顶点覆盖的关系(2015)
  9. 陈玉民;吴克寿;陈旭辉;唐朝辉;朱清新:邻域系统中基于熵的不确定度测量方法(2014)
  10. Clark,Patrick G.;Grzymala Busse,Jerzy W.;Rzasa,Wojciech:使用单例、子集和概念概率近似挖掘不完全数据(2014年)
  11. 杜根申;汝和,根瑟:两种机器学习技术,用于ReleasePlanner(^\textTM)决策支持系统的挖掘解决方案(2014)ioport公司
  12. 范冰娇;徐卫华;余建航:基于逼近算子的有序信息系统不确定性测度(2014)
  13. Liu,Dun;Li,Tianrui;Zhang,Junbo:动态不完备信息系统中基于粗糙集的增量知识学习方法(2014)
  14. 波尔科夫斯基,莱赫:工程和计算机科学中的梅洛学(2014)
  15. 叶清江;迟德江;林毅荣:基于混合随机森林和粗糙集方法的持续经营预测(2014)ioport公司
  16. Dalena学习者的概念:基于概念的Dalena漂移(2013)ioport公司
  17. Grzymala Busse,Jerzy W.;Hippe,Zdzislaw S.:挖掘不完全数据——粗糙集方法(2013)ioport公司
  18. Hu,Yi Chung:基于成对比较表的模式分类的粗糙集(2013)
  19. Sakai,Hiroshi;Okuma,Hitomi;Nakata,Michinori:粗糙非确定性信息分析:机器学习的基础及其前景(2013)ioport公司
  20. 姚一宇;邓晓飞:概念学习的粒计算范式(2013)ioport公司