针对流计算模式中的动态对象增量与减量同步发生的现象，提出了一种概率粗糙集三支决策的快速流计算方法。首先讨论了流计算模式中决策信息系统的单对象增减更新模式的数据模式；然后基于流计算数据变化模式分别提出了数据增量与数据减量时三支决策域的变化推理；最后基于上述理论给出了一种流计算模式下的三支决策动态增减快速学习算法。通过八种UCI数据集的对比实验，证明了该算法不但在时间消耗上明显优于经典三支决策算法，而且对于三支决策阈值具有较强的稳定性。
2021-11-30 09:39:47
1.24MB
1
使用粗糙集进行聚类的Python实现
###说明整数特征的粗糙聚类-请参见/ code / README_rough_sets浮点特征的粗糙k均值聚类-请参见/ code / README_rough_kmeans
＃＃＃＃输入
Both algorithms take as input a dictionary with : list pairs (float/integer features)
＃＃＃＃用法
/tests/rough_clustering_tests.py - example usage and tests for known 2-class clustering problem in UCI Statlog Data
set for credit risk
/tests/rough_kmeans_tests.py - example u
2021-11-19 10:13:06
3.12MB
1
改进属性重要度概念，给出了一种基于粗糙集理论的单属性重要度和组合属性重要度结合的确定属性权重的方法及其具体操作步骤。通过实例说明，改进的粗糙集权重计算方法具有普适性，权重计算更合理。
2021-11-18 10:25:10
437KB
1
三、基于粗糙集的属性约简
定义 对等价关系族R，存在r∈R,如果
则r为R中可省略的，否则称r为R中不可省略的。
(ind(R)表示集合中元素关于R不可分辨关系)
对于属性子集 ，若存在, , 使得
则Q为最小子集，则称Q为P的简化，记为
2021-11-06 15:03:55
656KB
1