版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)是人工智能最重要的研究方向,而復(fù)雜環(huán)境下信息的不確定性和不一致性是知識(shí)發(fā)現(xiàn)面臨的主要困難。粗糙集理論是在沒有任何先驗(yàn)知識(shí)的情況下對(duì)于數(shù)據(jù)集劃分上下近似,進(jìn)而來研究數(shù)據(jù)蘊(yùn)含的知識(shí)。粗糙集理論目前得到廣大的應(yīng)用。
目前針對(duì)粗糙集處理決策(分類)問題的屬性約簡(jiǎn)算法已經(jīng)比較成熟,其基本的理論依據(jù)是基于屬性重要度概念,來對(duì)屬性進(jìn)行約簡(jiǎn)。但是對(duì)于具有連續(xù)輸出回歸問題的屬性約簡(jiǎn),研究的比較少。傳統(tǒng)回歸的算法基本上都是根據(jù)已
2、知樣本來構(gòu)建或是模擬回歸函數(shù),利用建立起來的回歸函數(shù)來對(duì)于新的樣本進(jìn)行回歸預(yù)測(cè),人為地對(duì)于回歸方程進(jìn)行了主觀的設(shè)定,存在不可避免的弊端性。
本文的目的有兩個(gè),首先,參照決策(分類)問題中的基于粗糙集理論的屬性約簡(jiǎn)來構(gòu)造回歸問題中的屬性約簡(jiǎn)。給出回歸問題中的屬性重要度概念,并以此設(shè)計(jì)了兩個(gè)計(jì)算屬性重要的方法得到兩個(gè)屬性重要度向量。結(jié)合實(shí)際數(shù)據(jù)對(duì)屬性重要度方法的檢驗(yàn)。
其次,分析了傳統(tǒng)回歸分析特點(diǎn)和主要步驟,提出基于粗糙
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粗糙集的粒度排序算法.pdf
- 基于粗糙集的粒度神經(jīng)網(wǎng)絡(luò)研究.pdf
- 粗糙集與模糊粗糙集屬性約簡(jiǎn)算法研究.pdf
- 多粒度粗糙集的粒度約簡(jiǎn)算法研究.pdf
- 基于廣義模糊劃分的模糊粗糙集理論.pdf
- 基于相似度的模糊粗糙集模型.pdf
- 23809.基于剩余蘊(yùn)涵的變精度直覺模糊粗糙集和模糊軟粗糙集模型
- 32971.雙論域與多粒度模糊粗糙集模型研究
- TL-模糊粗糙集及群上的TL-模糊粗糙集研究.pdf
- 雙論域上的多粒度直覺模糊粗糙集及其矩陣表示.pdf
- 基于粗糙集與公理模糊集的形式概念分析.pdf
- 基于多粒度粗糙集的知識(shí)發(fā)現(xiàn)方法研究.pdf
- 基于模糊粗糙集的屬性約簡(jiǎn)研究.pdf
- 基于邏輯算子的模糊粗糙集模型.pdf
- 基于κ階關(guān)系的直覺模糊粗糙集.pdf
- 模糊相似關(guān)系下的模糊粗糙集.pdf
- 基于Sugeno測(cè)度的模糊粗糙集模型.pdf
- L模糊粗糙集研究.pdf
- 基于模糊粗糙集的知識(shí)獲取算法研究.pdf
- 基于模糊粗糙集的降維算法研究.pdf
評(píng)論
0/150
提交評(píng)論