经典的知识依赖性及属性重要性度量的新注记

摘要：

知识依赖性及属性重要性度量是粗糙集的重要概念,广泛应用于知识约简和规则提取等方面.经典的知识依赖性及属性重要性度量在处理数据方面有局限性,有时无法得到较为精确、合理的度量结果,从而导致后续应用中得到的结果出现一系列的偏差.因此,通过深度分析经典知识依赖性,结合多数包含关系,并加入可信系数,提出了一种新的知识依赖性及属性重要性度量方法.最后,将新度量方法应用于一个决策信息系统,分析结果表明新度量方法是有效的.

关键词：粗糙集、决策信息系统、知识依赖性、属性重要性、度量

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61305057;云南省教育厅基金2010Y389

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：273-276,306