克日什托夫·登布奇恩斯基;罗马人平杜;罗伯特·苏斯马加 在基于支配权的粗糙集方法中生成详尽的规则集。 (英语) Zbl 1270.68313号 Skowron,Andrzej(ed.)等人,知识发现和软计算中的粗糙集国际研讨会论文选集,RSKD(2003年ETAPS卫星活动),波兰华沙,2003年4月12日至13日。阿姆斯特丹:爱思唯尔。《理论计算机科学电子笔记》82,第4期,96-107(2003)。 摘要:粗糙集理论已被证明是分析对象模糊描述的有用数学工具。经典理论的一个扩展是基于优势的集合方法(DRSA),它允许分析优先顺序数据。分析以一组由决策类的粗略近似导出的决策规则结束。决策规则的作用是解释所分析的现象,但它们也可以用于对新的、看不见的物体进行分类。有几种决策规则归纳策略。其中之一是生成一组详尽的最小规则。本文提出了一种基于布尔推理技术的算法,该算法在DRSA中遵循此策略。有关整个系列,请参见[Zbl 1271.68055号]. 引用于11文件 MSC公司: 68层37 人工智能背景下的不确定性推理 软件:LERS公司 PDF格式BibTeX公司 XML格式引用 \textit{K.Dembczyáski}等人,《电子》。注释Theor。计算。科学。82,第4号,96--107(2003;Zbl 1270.68313) 全文: 链接 参考文献: [1] Greco S.,Matarazzo B.和Słowinski R.,优势关系对偏好关系的粗略近似。ICS研究报告16/96,华沙科技大学,1996年,载于《欧洲运筹学杂志》117、63–83,1999年·Zbl 0998.90044号 [2] Greco,S。;马塔拉佐,B。;Słowinski,R.:评估破产风险的新粗糙集方法。管理金融风险的操作工具,121-136(1998年) [3] Greco,S。;马塔拉佐,B。;Słowinski,R.:多准则决策分析的粗糙集理论。《欧洲运筹学杂志》129,第1期,1-47页(2001年)·Zbl 1008.91016号 [4] Greco,S。;马塔拉佐,B。;Słowinski,R.:多属性和标准下排序问题的粗糙集方法。欧洲运筹学杂志138,247-259(2002)·Zbl 1008.90509号 [5] Grzymala-Busse,J.W.:LERS——基于粗糙集的示例学习系统。智能决策支持。粗糙集理论应用和进展手册,3-18(1992) [6] Pawlak,Z.:粗糙集。国际信息与计算机科学杂志11,341-356(1982)·Zbl 0501.68053号 [7] Pawlak,Z.:粗糙集。(1991) ·Zbl 0758.68054号 [8] 平杜尔,R。;Susmaga,R.:使用二进制编码关系进行快速规则提取。智能数据分析7,第1期(2003年) [9] 罗伊(Roy,B.):《多准则医学》(Méthodologie multicriteére d’aideála dédecision)。巴黎经济出版社(1985年) [10] 斯科伦,A。;Rauszer,C.:信息系统中的可辨矩阵和函数。智能决策支持。粗糙集理论应用和进展手册,331-362(1992) [11] Skowron,A.:决策规则生成的布尔推理。智能系统方法,295-305(1993) [12] Skowron,A.:从决策表中提取规律。计算智能:国际期刊11/2,371-388(1995) [13] Stefanowski,J.:关于基于粗糙集的决策规则归纳方法。数据挖掘和知识发现中的粗糙集,1500-529(1998)·兹伯利0927.68094 [14] Stefanowski,J.:Algoritmy indukcji regul decyzyjnych w odkryvaniu wiedzy。Wydawnictwo poznanskiej,波兹南361(2001) [15] Stefanowski J.、Zurawski M.,分类问题决策规则的增量学习。《IIS-2003会议记录:智能信息处理和网络挖掘的新趋势》,扎科帕内,2003年6月,(已接受)·Zbl 1091.68579号 [16] Susmaga,R.:还原增量计算实验。知识发现中的粗糙集,530-553(1998)·Zbl 0927.68095号 [17] Susmaga,R.:简化生成中包含最小性的新测试。计算和决策科学基础。波兰波兹南,25 2,121-146(2000) [18] Susmaga,R.:使用简化生成算法生成穷举规则集。智能信息系统,软计算系列进展,65-74(2000)·Zbl 0965.68092号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,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。