基于可变精度粗集的规则简化方法.pdfVIP

基于可变精度粗集的规则简化方法 A MeasureofRules Compression BasedonVariablePrecisionSet Rough 凌方 王建东 (华东地质学院信息工程系 抚州344000) (南京航空航天大学信息科学与技术学院 南京210016) AbstractInmostreal—life thesuccessmachine of much onthe problems learningvery depends learner’S of with data．This capability，i．e．，itsability noisy noise—handling appropriatelydealing forward a measureofrulesbasedon set paper variable which puts compression precision rough can thedecisionrules．The resultillustratesthatwecan the simplifying empirical simplify single rule aswellas thenumberofrules theGMM cansolvethe reducing through method，and noisy inthe problempractical applicationeffectively． Machine data，Noise set，Noisy Keywords learing，Rough handling 文中，我们采用的噪音处理方法是用来处理规则的， 1．引言 即先从原始数据中产生规则，然后运用噪音处理方 粗集理论[1]的主要思想就是在保持分类能力不 法过滤含噪音的规则，提高规则的预测准确度，同时 变的前提下，通过知识约简，导出概念的分类规则。 减少规则条数。 约简也称极小属性集。相应于极小属性集，文E2]提 文Is]给出了基于可变精度粗集的规则不确定 出了极小规则的概念，即称由约简构造而来的规则 性量度，这种量度提出的初衷虽然是用于粗集中的 为极小规则。极小规则概念的提出同机器学习中的 近似集合产生的规则的不确定性的量度，但用其他 最短描述长度是一致的，可用来简化规则。