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。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

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