计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
27期
145-147
,共3页
粗糙集%神经网络%规则提取%属性约筒
粗糙集%神經網絡%規則提取%屬性約筒
조조집%신경망락%규칙제취%속성약통
提出了一种基于粗糙集和神经网络组合进行规则提取的方法.首先对初始数据集进行离散化,并利用粗糙集对决策表中的条件属性进行初步约简,然后利用神经网络对数据进行学习和预测,并通过删除网络不能分类的数据来对决策表中的噪声进行过滤,最后再由粗糙集值约简算法进行规则提取.实验表明,该方法相对于传统规则提取算法快速有效,在保留神经网络高鲁棒性的同时,避免了从神经网络中提取规则的困难.
提齣瞭一種基于粗糙集和神經網絡組閤進行規則提取的方法.首先對初始數據集進行離散化,併利用粗糙集對決策錶中的條件屬性進行初步約簡,然後利用神經網絡對數據進行學習和預測,併通過刪除網絡不能分類的數據來對決策錶中的譟聲進行過濾,最後再由粗糙集值約簡算法進行規則提取.實驗錶明,該方法相對于傳統規則提取算法快速有效,在保留神經網絡高魯棒性的同時,避免瞭從神經網絡中提取規則的睏難.
제출료일충기우조조집화신경망락조합진행규칙제취적방법.수선대초시수거집진행리산화,병이용조조집대결책표중적조건속성진행초보약간,연후이용신경망락대수거진행학습화예측,병통과산제망락불능분류적수거래대결책표중적조성진행과려,최후재유조조집치약간산법진행규칙제취.실험표명,해방법상대우전통규칙제취산법쾌속유효,재보류신경망락고로봉성적동시,피면료종신경망락중제취규칙적곤난.