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。
科研之友
微信
新浪微博
Facebook
分享链接
