勒尔斯

LES——一种基于粗糙集的示例学习系统。本文提出了规则归纳系统LER。该系统利用粗集理论原理处理输入数据的不一致性。粗糙集理论特别适合于处理不一致性问题。在这种方法中，不一致性没有得到纠正。相反，系统LES计算每个概念的下近似和上近似。然后归纳出一定的规则和可能的规则。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，系统诱导每个概念的单个最小判别描述。在第二种情况下，系统诱导所有规则，每个规则以最小的形式，可以从输入数据引起。在这两种情况下，用户都可以在本地或全局方法之间进行选择。

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。

ZBMaCT中的参考文献（112篇文章中引用）

显示结果1至20的112。
按年份排序（引文）
  1. 阿明，Talha；Moshkov，米哈伊尔：完全最优决策规则（2018）
  2. Qian；裕华；Liang；新燕；王；齐；Liang；Jiye；刘，兵；塔尔科夫斯基；姚；易玉；马，Jianmin；党，创银：局部粗糙集：大数据中粗数据分析的解决方案（2018）
  3. 姚，一宇：粗糙集概念分析：基于形式概念分析的概念解释RS可定义概念（2016）
  4. 程，菁休；王，Ssu Hsiang：一种基于降维生成规则法的财务困境识别的季度序列分类器（2015）
  5. 陈，Jinkun；林，Yaojin；林，郭平；李，Jinjin；马，周明：粗糙集属性约简与图的最小顶点覆盖的关系（2015）
  6. 陈，Yumin；吴，Keshou；陈，徐汇；Tang，朝晖；朱，Qingxin：邻域系统中基于熵的不确定度测量方法（2014）
  7. 克拉克，Patrick G.；Grzymala Busse，Jerzy W.；Rzasa，WojiCe:单体、子集和概念概率近似挖掘不完全数据（2014）
  8. 杜，庚神；汝，GueTe:两种机器学习技术用于ReaveSeReNeRever（^ \TECTTTM）决策支持系统的挖掘解决方案（2014）伊波尔特
  9. 范冰娇；徐，Weihua；余，简航：基于近似算子的有序信息系统的不确定性测度（2014）
  10. 刘，邓；李，田瑞；张，Junbo：一种基于粗糙集的动态不完备信息系统知识增量学习方法（2014）
  11. Yeh，Ching Chiang；Chi，Der Jang；林，Yi Rong：用混合随机森林和粗糙集方法进行持续经营预测（2014）伊波尔特
  12. Deckert，Magdalena：处理概念漂移的增量规则型学习者（综述）（2013）伊波尔特
  13. Grzymala Busse，Jerzy W.；HIPPE，ZDZISRONS.S:挖掘不完全数据——粗糙集方法（2013）伊波尔特
  14. 胡，Yi Chung：基于成对比较表的模式分类粗糙集（2013）
  15. H，Hiroshi；OkuMa，Hitomi；NakATA，Michinori：粗糙非确定性信息分析：机器学习的基础和观点（2013）伊波尔特
  16. 姚、易玉、邓、Xiaofei：概念学习的粒度计算范式（2013）伊波尔特
  17. 张，Xianyong；缪，多谦：两个基本的精度和等级的双定量粗糙集模型及其粒度计算研究（2013）
  18. 戴，Jianhua；徐，青：不完备信息系统中的近似与不确定性测度（2012）
  19. 胡，冯；王，郭茵：基于粗糙集理论中分治方法的知识约简（2012）
  20. BasasascZi-Ski，Jerzy；S·OWI·SKI，Roal；SZel-G，Marcin：可变一致粗糙集方法的序贯覆盖规则归纳算法（2011）伊波尔特