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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、數(shù)據(jù)庫中的知識發(fā)現(xiàn)(KDD)是當(dāng)前涉及統(tǒng)計學(xué)、人工智能、數(shù)據(jù)庫等學(xué)科的熱門研究領(lǐng)域.數(shù)據(jù)挖掘(DM)是從數(shù)據(jù)中提取人們感興趣的、潛在的、可用的知識,并表示成用戶可理解的形式.分類是數(shù)據(jù)挖掘的一個重要分支,分類能找出描述數(shù)據(jù)類或概念的模型(或函數(shù)),以便能使用模型預(yù)測類標(biāo)記未知的對象類.粗糙集合是波蘭數(shù)學(xué)家Pawlak提出的一種對不確定性知識的表示方法,粗糙集合理論憑借其獨特的優(yōu)勢而在KDD領(lǐng)域中具有越來越重要的地位.信息熵是信息論的一個
2、概念,目前被廣泛用于數(shù)據(jù)分析領(lǐng)域.該文提出了一種基于粗糙集合和信息熵的RSE算法模型,該算法模型包括兩個組成部分—分類模型和預(yù)測模型.分類模型是以經(jīng)典的粗糙集合理論和信息熵理論為基礎(chǔ),依據(jù)信息熵理論對屬性進行篩選,依據(jù)不可區(qū)分關(guān)系確定等價類,從而提取決策規(guī)則.預(yù)測模型是以粗糙集合的擴展模型—容差粗糙集合模型為基礎(chǔ),依據(jù)對象與決策規(guī)則容差的定義,給出待測對象的預(yù)測類別.此外,我們設(shè)計了基于RSE算法模型和ID3算法模型的原型系統(tǒng)—R-DM
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粗糙集合和樸素貝葉斯模型的分類問題研究.pdf
- 基于信息熵的粗糙集理論的研究和應(yīng)用.pdf
- 基于粗糙集和最大熵融合的文本分類方法研究.pdf
- 信息分發(fā)管理中基于粗糙集分類模型的數(shù)據(jù)挖掘.pdf
- 可變精度粗糙集合模型研究與應(yīng)用.pdf
- 基于信息熵的粗糙集約簡與支持向量機相結(jié)合的分類問題研究.pdf
- 基于粗糙集的圖像分類和檢索研究.pdf
- 基于粗糙集合的屬性選擇方法研究.pdf
- 基于模糊—粗糙集的文本分類模型.pdf
- 基于粗糙集的分類算法研究.pdf
- 鄰域粗糙集及其基于鄰域粗糙集的分類算法.pdf
- 基于信息熵的粗糙集在結(jié)構(gòu)損傷診斷中的應(yīng)用.pdf
- 基于粗糙集的網(wǎng)頁分類的研究.pdf
- 基于粗糙集條件信息熵的農(nóng)村信息化建設(shè)績效評價研究.pdf
- 基于粗糙集的文本自動分類研究.pdf
- 基于決策樹和粗糙集的分類方法研究
- 基于粗糙集的客戶分類方法研究.pdf
- 基于粗糙集理論的有序信息表與分類問題研究.pdf
- 基于決策樹和粗糙集的分類方法研究.pdf
- 基于粗糙集的分類規(guī)則挖掘的研究.pdf
評論
0/150
提交評論