在线造句HAOZIDIAN.NET

当有新的数据对象被加入决策表，可有效提高属性约简的效率。

该模型利用粗糙集中知识白勺信息量对属性停止约简，并产生出最小约简。

在此基础上，利用粗糙集约简算法剔除冗余属性，得到约简属性，并进行规则提取，最后进行实例研究检验。

在此基础上，利用约简算法剔除冗余属性，获取约简属性，并进一步提取决策规则。

很多属性约简算法以核为起点，计算繁杂。

最后给出条件属性的E-相对约简的概念及其区分函数求法。

在粗糙集理论中，决策表的属性约简是一个非常重要的研究课题。

属性约简是粗糙集理论的一个核心问题，近年来已经成为粗集研究的热点。

为了约简起见，此处我将限于谈及那些与第一号收入相当的储蓄与投资的定义。

信息系统的属性约简是所有粗糙集理论和应用研究的焦点问题之一。

粒子群（PSO）属性约简算法，虽然可提高求解效率，但易陷入局部最优。

讨论了协调决策表的数据约简，并证明其不影响进一步的属性约简和规则提取。

本文给出决策能力约简模型的满足的一些性质，并通过几个实例说明这种模型的实用性。

另外，提出了广义粗糙集的实值属性约简的一种贪心算法，并分析了约简属性集合的质量。

属性约简是数据挖掘中的一种粗糙集方法，它决定了能代表整个信息系统的重要属性的集合。

给出了其属性约简算法，提高了属性约简的速度。

通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。

维数约简是目标识别的一个重要预处理步骤。

通过分析多种属性约简算法，结合可辨识矩阵和逻辑运算，提出了一种属性约简算法；

实验表明，该方法有效的约简了融合本体中的冗语关系。

最后利用主曲线和知识约简算法进行数字特征提取和分类器设计。

属性约简是粗糙集理论的重要研究内容。

其主要思想是在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。

研究结果对决策表的属性约简、决策规则形成和有效性等问题具有实际意义。

首先介绍了协调决策形式背景属性约简的概念，讨论了其等价的定义。

提出约简质量的定义，从属性约简率和近似质量两为面来衡量约简效果。

属性约简是粗糙集（RS）理论的核心内容之一。

算法采用自底向上和宽度优先的搜索策略，可确保找到最小属性约简集。

现已证明寻找一个信息系统的最优约简是NP-难题。

从论域的角度出发，提出了一种变论域知识约简算法。

该算法能以较低的约简率在一定误差要求的前提下约简大量GPS数据。

首先，根据粗糙集的约简理论对构建的初步指标体系进行简化，删除相关程度高的指标；

将属性值约简和数据挖掘相结合，给出支持度、置信度、覆盖度的定义。

在粗糙集理论中，数据约简是一个非常重要的研究课题，它包括属性约简与属性值约简。

相对约简格的构造在其应用过程中是一个主要问题。

然后在此基础上给出了连续信息系统属性约简的一种简易算法；

利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；

对粗糙集技术中决策表的约简问题进行了深入地研究，给出了约简算法；

对动态约简的思想进行了阐述。详细分析了其中子表抽取的有关问题，指出了存在的不足。

本文从分类质量和等价类这两个层次上各提出了一个属性约简算法。

通过对用户浏览行为记录的数据经过粗糙集理论中的约简，得出了用户行为与购买倾向之间的联系算法。

本文中用户行为特征提取算法的设计主要借鉴了粗糙集理论中的属性约简与规则提取的思想。

通过属性约简技术对神经网络的输入属性空间进行约简，采用神经网络对约简后的数据进行挖掘。

可能包括测试设计，约简数据，参数调整，结果演示和后释放验证；

属性核的确定对解决粗集理论中的属性约简问题具有重要的意义。

粗糙集理论是处理模糊和不确定知识的一种重要工具，约简是它的核心方法之一。

首先定义了关系信息系统及其属性约简的概念。

通过建立决策表并进行知识约简，确定相应的评价指标，利用各评价指标的重要度计算出相应的权值。

本文从属性值缺失的填补、属性约简和决策树分支属性选择三方面进行研究。

并在此基础上提出了基于差分演化算法的属性约简算法。

然后应用遗传算法的寻优能力对纹理特征进行约简；

构建了客户需求和订单型企业产能绩效指标体系，利用粗糙集理论对其进行约简。

给出不完备决策表基于区分对象对集的属性约简定义。

本文介绍了粗糙集理论基本内容属性约简，并将其应用在林业信息管理中，通过实例说明提高数据分析能力的方法。

该算法通过实例分析，证明是求解属性约简问题的快速有效方法。

最后，讨论了带有决策的形式背景的属性约简问题。

该方法运用粗集理论强大的属性约简和规则生成能力，生成的规则简单准确。

此外，RS理论还提供了一套从数据中自动获取知识的工具，即知识约简。

为此，设计了一种面向个性化知识发现的属性约简算法。

实验结果表明了该方法简单易行，省去了复杂的手工试凑约简。

应用差分演化（DE）算法求解最小属性约简是一个新的方向。

还给出了该系统的知识约简及其算法。

知识发现的过程包括时间序列数据预处理、属性约简和规则抽取三部分。

对概念格对应的形式背景约简的算法加以扩展。

最后给出了计算信息系统中属性的所有约简的一般方法。

方法概念格约简与属性分类理论。

引入经典粗糙集理论，将粗糙集的属性约简策略应用到特点选择的研究中。

证明了在知识约简过程中，信息量的变化趋势是递减的；

已有的属性约简算法往往只能提供一个可行解，并且不能保证是最小约简解。

针对这一问题，提出了一种基于改进可辨识矩阵的属性频率约简算法。

粗糙集的属性约简是一个NP难问题，获得较为高效的算法是研究的主要目的。

通过实验证明了粗糙集理论和遗传算法结合在属性约简方面的有效性。

随着轨道弯曲程度的增加，约简率有所增加。

主要研究了基于不可约元的概念格的属性约简以及属性约简集的构造。

通过实例说明，该算法比传统的基于粗糙熵的算法能得到更忧的最小约简。

在此基础上提出一种基于图的测试用例集优化算法，用于约简和优化测试用例集。

目前，许多学者对知识约简做了深入的研究，并取得了很多成果。

概念格属性约简理论是揭示概念格中属性本质特征的一种方法。

首先用粗糙集对影响农业总产值的多个因素进行属性约简，选择主要影响因素，去除冗余信息；

其次提出了一种基于二进制差别矩阵的属性约简算法；