原创力文档基于F-粗糙集的加权代价敏感并行约简研究
摘要
代价敏感是机器学习和数据挖掘的重要研究方向。已有方法在处理代价敏感问题
时，对数据不同部分在代价敏感问题上的不同影响考虑不足。
F-粗糙集作为对粗糙集理论的延伸，其核心理念在于确保知识分类能力在动态环
境中的稳定性。具体而言，F-粗糙集通过并行约简技术，旨在剔除动态数据集中的冗
余特征，以最小的代价获取有价值的信息。
针对数据不同部分在代价敏感问题上的不同影响考虑不足的问题，本文对代价进
行了多种加权，提出2
基于F-粗糙集的加权代价敏感并行约简研究
摘要
代价敏感是机器学习和数据挖掘的重要研究方向。已有方法在处理代价敏感问题
时，对数据不同部分在代价敏感问题上的不同影响考虑不足。
F-粗糙集作为对粗糙集理论的延伸，其核心理念在于确保知识分类能力在动态环
境中的稳定性。具体而言，F-粗糙集通过并行约简技术，旨在剔除动态数据集中的冗
余特征，以最小的代价获取有价值的信息。
针对数据不同部分在代价敏感问题上的不同影响考虑不足的问题，本文对代价进
行了多种加权，提出2
文档评论（0）