基于粗糙集与统计学习理论的样本分类算法

被引：2

作者：

刘文军 ^{[1
,2
]}

郑国义 ^{[2
]}

张小琼 ^{[2
]}

机构：

[1] 湖南大学数学与计量经济学院

[2] 长沙理工大学数学与计算科学学院

来源：

模糊系统与数学 | 2015年 / 29卷 / 01期

关键词：

粗糙集; 统计; 分类算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

结合粗糙集理论中分类思想与统计学习理论中回归分析思想,本文给出了一种样本分类算法,该算法首先对决策表进行约简,求出一个极小约简,并在极小约简决策表中,将对象按类属性值进行分类。然后根据每一类的因素描述,给出一个线性回归方程。最后将未知样本的数据代入每一个回归方程,根据最大隶属度原则,确定每个样本的分类。

引用

页码：183 / 190

页数：8

共 13 条

[1]

数据挖掘原理、算法及应用.[M].李爱国; 厍向阳; 编著.西安电子科技大学出版社.2012,

[2]

数据挖掘导论.[M].(美)Pang-Ning Tan，(美)Michael Steinbach，(美)Vipin Kumar著.人民邮电出版社.2011,

[3]

数据挖掘原理与算法.[M].邵峰晶; 等编著.科学出版社.2009,

[4]

数据挖掘.[M].(加)JiaweiHan;(加)MichelineKamber著;范明;孟小峰等译;.机械工业出版社.2001,