基于相似粗糙集的CBR范例提取算法  

Algorithm in Case Generation Based on Similarity Rough Set

作　　者：季赛[1] 袁慎芳[1] 成亚萍[2] 

机构地区：[1]南京航空航天大学智能材料与结构航空科技重点实验室,江苏南京210016 [2]南京信息工程大学计算机科学与技术系,江苏南京210044

出　　处：《小型微型计算机系统》2007年第6期1072-1075,共4页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(90305005)资助.

摘　　要：提出了利用相似粗糙集进行范例提取的算法,自动从原始数据中提取典型范例并能获得较高的分类精度.该算法能较好的处理噪声的干扰,减少预设参数的数量,并能直接处理连续数值型属性,避免了复杂的属性离散化的计算.实验结果验证了算法的可行性和有效性.A case selection algorithm selects representative cases from a large data set for future case-based reasoning tasks. This paper proposes the SRS algorithm, based on similarity-based rough set theory, which selects a reasonable number of the representative cases while maintaining satisfactory classification accuracy. It also can handle noise and inconsistent data. Experimental result has confirmed the algorithm feasibility and the validity.

关 键 词：相似粗糙集 相似关系 范例推理 知识表达系统 分类精度 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]