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。


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