Rough sets-based machine learning over non-deterministic data: A brief survey

Rough sets-based machine learning over non-deterministic data: A brief survey
复制标题

针对非确定性数据的基于粗糙集的机器学习：简要调查

DOI：
10.1007/978-3-642-35326-0_1
复制
发表时间：
2012
期刊：
Proc. AMLTA2012, Communications in Computer and Information Science, Springer
影响因子：
--
通讯作者：
Hiroshi Sakai
Hiroshi Sakai
中科院分区：
--
文献类型：
--
作者：
ironori KUMENO;Daniele FOURNIER-PRUNARET and Yoshifumi NISHIO;Hiroshi Sakai

文献摘要

相似文献

粗糙非确定性信息分析（RNIA）是一个基于粗糙集的框架，用于处理具有精确和不精确数据的表。在这个框架下，我们研究了可能的等价关系，数据依赖，规则生成，规则稳定性，问答系统，以及作为特殊情况的非确定性值的缺失和区间值。在本文中，我们简要地调查RNIA，并报告其底层软件实现的状态。我们还讨论了在何种程度上RNIA可以被视为机器学习中一个新出现的范例的例子。
Rough Non-deterministic Information Analysis(RNIA) is a rough sets-based framework for handling tables with exact and inexact data. Under this framework, we investigatedpossible equivalence relations,data dependencies,rule generation,rule stability,question-answering systems, as well asmissingandinterval valuesas special cases of non-deterministic values. In this paper, we briefly surveyRNIA, and report the state of its underlying software implementation. We also discuss to what extentRNIAcan be seen as an example of a new emerging paradigm in machine learning.