×
马尔科姆·贝农。

连续值离散化的稳定性：粗糙集理论的应用。 （英语） Zbl 1075.68088号

国际J近似推理 35，第1期，第29-53页（2004年）.
概要：连续值离散化（CVD）是将一组连续值划分为有限数量的区间（类别）的过程。本文介绍了与合成CVD相关的一些稳定性措施。稳定性度量是根据使用Parzen窗口方法找到的单个“划分”区间的一系列估计概率分布构建的。通过这些测量，可以比较CVD替代方法有效划分连续值的能力。粗糙集理论（RST）对这些度量的进一步利用进行了阐述。RST是一种生成规则集的现代方法，能够基于相关特征集（约简）将对象分类为类别。为了避免由连续值特征直接导致的低质量规则（来自RST分析），可以使用CVD方法来减少相关粒度，并允许更高的规则质量。引入的稳定性概念使得能够进一步引入新的度量方法，特别是RST中的约简和规则集稳定性。

引用于2文件

MSC公司：

68层37 人工智能背景下的不确定性推理

关键词：

稳定性措施

软件：

帕尔沃斯;LERS公司
PDF格式BibTeX公司 XML格式引用
\textit｛M.J.Beynon｝，Int.J.Approximate Reasoning 35，No.1，29-53（2004；Zbl 1075.68088）
全文： 内政部

参考文献：

[1] 艾伯哈德，S。；库曼斯，D。；De Vel，O.，RDA分类性能的改进，化学计量学杂志，799-115（1993）
[2] 安，A。；北掸邦。；Chan，C。；Cercone，N。；Ziarko，W.，《发现需水量预测规则：增强的粗糙集方法》，工程应用与人工智能，9，6，645-653（1996）
[3] Bazan，J.G.，《从决策表中提取规律的动态和非动态粗糙集方法的比较》，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集1:方法论和应用》（1998年），《物理-验证：物理-验证纽约》，451-482
[4] Berka，P。；Bruha，I.，各种离散化程序的经验比较，国际模式识别和人工智能杂志，12，7，1017-1032（1998）
[5] M.Beynon，《β的研究》；M.Beynon，《（β）的研究》
[6] Beynon，M.，《可变精度粗糙集模型中的约简：进一步研究》，《欧洲运筹学杂志》，134592-605（2002）·Zbl 0984.90018号
[7] 贝农，M。；咖喱，B。；Morgan，P.，使用粗糙集理论的分类和规则归纳，专家系统，17，3，136-148（2000）·Zbl 0989.68616号
[8] Beynon，M.J。；Peel，M.J.，变精度粗糙集理论和数据离散化：在企业故障预测中的应用，OMEGA，29561-576（2001）
[9] Breiman，L.，《统计建模：两种文化》，《统计科学》，第16期，199-231页（2001年）·Zbl 1059.62505号
[10] 布朗，C。；Duntsch，L。；Gediga，G.，IRIS reviewed：判别和增强粗糙集数据分析的比较，（Polkowski，L.；Skowron，a.，《知识发现中的粗糙集2：应用、案例研究和软件系统》（1998），Physica-Verlag:Physica-Verlag New York），345-368
[11] Chmielewski，M。；Grzymala-Busse，L.，作为机器学习预处理的连续属性的全局离散化，国际近似推理杂志，15，319-331（1996）·Zbl 0949.68560号
[12] 迪米特拉斯，A.I。；斯洛文斯基，R。；苏斯马加，R。；Zopounidis，C.，《使用粗糙集的商业失败》，《欧洲运筹学杂志》，114263-280（1999）·Zbl 0963.91023号
[13] Dougherty，J。；Kohavi，R。；Sahami，M.，连续特征的监督和非监督离散化，（机器学习：第十二届国际会议论文集（1995），考夫曼：考夫曼-塔霍市，旧金山），194-202
[14] 杜达，R.O。；Hart，P.E.，《模式分类和场景分析》（1973年），威利出版社：威利纽约·Zbl 0277.68056号
[15] 邓奇，I。；Gediga，G.，粗糙集依赖分析的统计评估，国际人机研究杂志，46589-604（1997）
[16] 法耶兹，美国。；Irani，K.，用于分类学习的连续值属性的多间隔离散化，（第十三届国际人工智能联合会议论文集（1993），考夫曼：考夫曼-查贝里，法国），1022-1027
[17] Fischer，R.A.，《分类问题中多重测量的使用》，《年度优生学》，第7期，第179-188页（1936年）
[18] 福里纳，M。；里尔迪，R。；阿玛尼诺，C。；Lanteri，S.，PARVUS：数据探索、分类和关联的可扩展程序包（1988），Elsevier:Elsevier Amsterdam
[19] Grzymala-Busse，J.，LERS-A基于粗糙集的示例学习系统，（Slowinski，R.，《智能决策支持：粗糙集理论应用与进展手册》（1992），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），3-18·Zbl 0820.68001号
[20] Grzymala-Busse，J.W。；Stefanowski，J.，规则归纳的三种离散化方法，国际智能系统杂志，16，29-38（2001）·Zbl 0969.68145号
[21] 赫宾，M。；阀盖，N。；Vautrot，P.，基于概率密度函数估计和影响区骨架的聚类方法，图像处理应用，模式识别快报，17，1141-1150（1996）
[22] 凯恩，G。；Richardson，F。；米德，N.，《等级转换与公司破产预测》，《当代会计研究》，第15、2、145-166页（1998年）
[23] Kerber，R.，ChiMerge:数字属性的离散化，（第九届国际人工智能会议论文集（1992年），人工智能出版社/麻省理工学院出版社），123-128
[24] 科奇科达吉，W.W。；奥洛夫斯基，M。；Marek，V.W.，《关于粗糙集理论的神话》，《ACM通讯》，第41期，第102-103页（1998年）
[25] Kraaijveld，M.A.，在训练和测试数据之间具有改进的鲁棒性偏差的Parzen分类器，模式识别字母，172679-689（1996）
[26] 克鲁辛斯卡，E。；巴比克，A。；斯洛文斯基，R。；Stefanowski，J.，公共医疗数据集上粗糙集方法和概率数据分析技术的比较，（系统理论、知识工程和问题解决，第11卷（1992年），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），251-265·Zbl 0820.68001号
[27] 莫拉琴斯基，I.R。；Sudnik-Ojcikowska，B。；《华沙市中心植物区系描述的粗糙集》，佛罗里达州，253-260（1996）
[28] H.S.Nguyen，粗糙集方法的离散化问题，收录于：L.Polkowski，A.Skowron（编辑），《计算中的粗糙集和当前趋势》，RSCTC’98第一届国际会议论文集，波兰华沙，1998年，第545-552页；H.S.Nguyen，粗糙集方法的离散化问题，收录于：L.Polkowski，A.Skowron（编辑），《计算中的粗糙集和当前趋势》，RSCTC’98第一届国际会议论文集，波兰华沙，1998年，第545-552页
[29] Nguyen，H.S。；Nguyen，S.H.，数据挖掘中的离散化方法，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集1:方法论和应用》（1998），Physica-Verlag:Physica-Verlag New York），451-482·Zbl 0940.68139号
[30] Parzen，E.，关于概率密度函数模式的估计，《数理统计年鉴》，331065-1076（1962）·Zbl 0116.11302号
[31] Pawlak，Z.，《粗糙集》，《国际信息与计算机科学杂志》，11，5，341-356（1982）·Zbl 0501.68053号
[32] Pawlak，Z.，《粗糙集——关于数据推理的理论方面》（Rough Sets-Theory Aspects of Reasoning About Data）（1991年），Kluwer Academic Publishers:Kluwer-Academical Publishers London·Zbl 0758.68054号
[33] Silverman，B.W.，《统计和数据分析的密度估计》（1986），查普曼和霍尔：查普曼和霍尔伦敦·Zbl 0617.62042号
[34] 斯科伦，A。；Rauszer，C.，《信息系统中的可辨矩阵和函数》，（Slowinski，R.，《智能决策支持-粗糙集理论的应用和进展手册》（1992），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），331-362·Zbl 0820.68001号
[35] 斯洛文斯基，R。；Zopounidis，C。；Dimitras，A.I.，用粗糙集方法预测希腊的公司收购，《欧洲运筹学杂志》，100,1-15（1997）·Zbl 0953.90538号
[36] J.Stefanowski，在发现强决策规则时处理连续属性，收录于：L.Polkowski，A.Skowron（编辑），《计算中的粗糙集和当前趋势》，1998年第一届国际会议论文集，波兰华沙，第394-401页；J.Stefanowski，在发现强决策规则时处理连续属性，收录于：L.Polkowski，A.Skowron（编辑），《计算中的粗糙集和当前趋势》，1998年第一届国际会议论文集，波兰华沙，第394-401页
[37] L.Sun，W.Gao，基于相容粗糙集和遗传算法的连续属性离散化，收录于：N.Zhong，A.Skowron，S.Ohsuga（编辑），《粗糙集、数据挖掘和粒度软件计算的新方向》，第七届国际研讨会论文集，RSFDGrC’99，日本山口，1999年，第188-192页；L.Sun，W.Gao，基于相容粗糙集和遗传算法的连续属性离散化，收录于：N.Zhong，A.Skowron，S.Ohsuga（编辑），《粗糙集、数据挖掘和粒度软件计算的新方向》，第七届国际研讨会论文集，RSFDGrC’99，日本山口市，1999年，第188-192页
[38] 汤普森，J.R。；Tapia，R.A.，《非参数函数估计、建模和仿真》（1990年），工业和应用数学学会：费城工业与应用数学学会·Zbl 0709.62038号
[39] Vapnik，V.N.，《统计学习理论》（1998），威利出版社：威利纽约·Zbl 0934.62009号
[40] Wakulicz-Deja，A。；Paszek，P.，应用粗糙集方法诊断进展性脑病，国际医学信息学杂志，46，119-127（1997）
[41] Ziarko，W.，可变精度粗糙集模型，《计算机与系统科学杂志》，46，39-59（1993）·Zbl 0764.68162号
[42] Ziarko，W.，可变精度粗糙集框架下的不确定性信息分析，计算与决策科学基础，18，381-396（1993）·兹比尔0806.68029
[43] W.Ziarko，Y.Yao（编辑），《粗糙集与当前计算趋势》，第二届国际会议论文集，2000年，加拿大班夫；W.Ziarko，Y.Yao（编辑），《粗糙集与当前计算趋势》，第二届国际会议论文集，2000年，加拿大班夫
[44] 齐格德，D.A。；拉巴塞达，S。；Rakotomala，S.，FUSINTER:连续属性离散化方法，国际不确定性、模糊性和基于知识的系统杂志，6307-326（1998）·Zbl 1087.68629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。