基于邻域粒化的多数据源高投票决策规则的挖掘

来源 :南京大学学报:自然科学版 | 被引量 : 0次 | 上传用户:lixiang1336
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多数据源高投票决策规则挖掘是指从多数据源中挖掘存在大部分数据源且具有重要意义的决策规则,此类规则在银行理财产品营销、市场营销、疾病诊断等领域中具有指导性作用.利用样本邻域粒化来构建决策规则的表现形式,在此基础上定义了覆盖度、投票数等多种决策规则的度量指标,用以挖掘满足这些度量指标的高投票决策规则.实验结果验证了所提算法挖掘多源决策信息系统中的高投票决策规则挖掘的有效性.
其他文献
在机器学习应用中,缺失值填补作为一种预处理技术,能有效提高数据的可用性,然而在缺失值较多或不均衡时,这些技术的效果并不理想.主动学习场景允许机器与用户交互,以获取少量
随着太赫兹科学技术的快速发展,太赫兹检测器件的性能也在不断提高,为微弱信号的检测和太赫兹成像奠定了坚实的基础.本文针对Nb5 N6薄膜材料,研制了 Nb5 N6 microbolometer阵
在通过谐波叠加法获得平稳Gaussian随机过程的时域激励样本的基础上,采用有限单元法空间离散化接触非线性预应力结构,使用中心差分法计算分析该结构在时域激励样本下的强度、接
近年来由高空平台构成的信息系统在通信领域的应用得到了广泛认同.高空平台站(High Altitude Platform Stations,HAPS)通信系统兼具卫星和陆地通信系统的优势,同时又有效避免了