粗糙集属性约简 本实验同时采用区别矩阵和依赖度约简。 在依赖度约简中，设置依赖度计算函数和相对约简函数，对读取的数据进行处理，最后根据依赖度约简。 在读取数据后判断有无矛盾，若有则进行决策表分解，然后进行区别矩阵约简得到约简后的条件属性。 区分矩阵代码如下： import xlrd #读
文章目录 1、 数据价值密度低的解决方案1.1 粗糙集中对应的概念：属性约简1.2 属性约简的好处1.3 粗糙集的应用 2、粗糙集的简介--->原理2.1 粗糙集的概念2.2 从例子看粗糙集2.3 粗糙集模型的分类及其评估标准 3、粗糙集的主要研究方向3.1 模型创新3.2 属性约简3.3 提高计算
1.计算等价集和下近似集 load ('template.mat'); patternNum=75;%每个类别取75个样品 bottom=zeros(patternNum*2,1); bottom(1:patternNum,1)=0; bottom(patternNum+1:patternNum*2,1)=1; x=[pattern(1).feature(1:patternNum,:); pattern(2).feature(1:patternNum,:)];%
1、粗糙集基本概念 U：论域：属性集合（这被认为是知识，或者知识库） V：属性值域： f：从U x R 到V的信息函数f 一个信息系统S可以表示为一个四元组。在不混淆的情况下，简记为，也成为知识库。 等价关系（通常用来代替分类）是不可或缺的概念，根据等价关系可以划分论域中样本为等价类。而每个等价
4.6 1.令 A = { 1 , 2 , 5 ,
本节我们将继续介绍粗糙集有关的概念。 上节我们介绍了知识粒度的矩阵表示形式，本节将介绍基于知识粒度属性约简定义和算法。 基于粗糙特征选择算法亦称为属性约简，其旨在保持数据集分类能力不变的前提下，通过约简冗余属性，最后得到问题的决策或分类规则。 相关定义 设决策信息系统
目录 定义 基本的概念 信息表 决策逻辑语言 定义 由波兰理工大学Z.pawlak教授提出用来研究不完整数据，不精确知识的学习，表达，归纳的理论。ref 其实就是对数据中隐含的信息将其通过一定的手段挖据出来。 至于到底是研究集合，还是矩阵，抑或是决策表，这个都要根据研究对象吧。。 就
