论文部分内容阅读
本文从属性与决策表之间的信息论的角度来探索减少属性组合的方法.为挖掘决策规则提出了一个新的启发式算法,使原算法更加高效.
决策规则挖掘的一种启发式算法)
【摘 要】
：
本文从属性与决策表之间的信息论的角度来探索减少属性组合的方法.为挖掘决策规则提出了一个新的启发式算法,使原算法更加高效.
【机 构】
：
南昌大学计算机科学与工程系(南昌) 江西省高级人民法院技术处(南昌)
【出 处】
：
第二届中国Rough集与软计算学术研讨会
【发表日期】
：
2002年12期
其他文献
本文研究的目的是增强遗传计算自动发现模型的能力,着重解决复杂性问题,采用遗传算法发现自适应agent模型,同时还采用遗传设计—进化计算中的一种新技术来解决复杂环境中的编码问题.
本文提出了一种结合密度思想的蚂蚁聚类算法,使蚂蚁不必遍历遇到的每一个格子,只遍历某个类的边缘的点,看它们属于哪一类,提高算法的速度.
本文在代数神经网络模型基础上,讨论一类具有多项式权函数的前向多项式神经网络模型,结构和学习算法,并给出具有多项式权函数的前向多项式神经网络学习算法.
作者运用知网获取词的概念间的各种关系,并将之改造纳入我们的概念库的构造中,用于文本自动处理.同时对伴随知网应用的问题予以研究.
本文阐述了支撑向量机和最近点问题的关系以及解决NPP问题的几个著名算法,分析了NPA算法中存在的问题,进而给出一个新的支撑向量机快速迭代算法.
本文提出基于神经网络集成的决策树分类器算法,以神经网络集成作为学习系统的前端,利用其产生C4.5决策树分类器所用数据集,产生具较高精度的分类器.
本文特别介绍了一种λ-归结方法,得到λ-归结原理的完备性,从讨论中可以突出λ-归结方法依赖于算子的合成运算[η,η]的选择.