针对粗糙集分类规则挖掘算法LEM剪枝条件过于严格的冋题,提岀一种杈重模糊粗糙集的改进规则挖掘算法。在用例带权重的模糊粗糙集理论框架上分析面冋混合数据的分类规则挖掘算法,引亼粗糙集模型的近似覆盖参数作为挖掘算法的泛化度量参数,实现对规则集数量和规则形式复杂程度的调节。实验结果表明,与LEM2算法和 Datasqueezer算法相比,该算法的平均精度和平均召回率更优,分别为8l%和80%,且生成规则的平均长度最短。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !