决策学

 翻译样例中心 >> 管理学翻译样例 >> 决策学

翻译样例: 决策细化的粗糙集理论分析
版权信息   版权信息

决策系统中一般包含了某一领域的大量数据记录,这些数据可构成领域的实例数据库,它们记录了大量实例的属性值和决策情况,是领域知识的载体.

数据挖掘的目的就是要通过分析这个实例库来得到该领域有用的、规律性的知识,然后进一步用于解决该领域的有关问题. 由于各种原因,往往造成决策系统(或决策表) 中各个对象的决策值不准确或具有模糊性,这对进一步的数据挖掘造成了严重的不良影响,所以就要求对决策值进一步细化.

粗糙(Rough) 集理论是一种处理不确定或模糊知识的重要工具. 用Rough 集理论对决策表进行数据分析之前,首先要求决策表数据离散化. 数据离散化的方法很多,文献[1 ]对已有的数据离散化方法进行了阐述和探讨,文献[ 2~5 ]对决策数据的离散化程度、数据过滤等进行了部分阐述. 在此基础上,本文从理论上进一步探讨了决策值细化程度的问题,研究了决策值细化程度与规则近似质量、近似分类精度、核属

由于各种原因,往往造成决策表中各个对象的决策值不准确或具有模糊性[9 ] , 如表1 中的各个对象的决策属性流感值要么是流感,要么不是流感,对流感的程度没有进一步的描述, 这种决策数据就具有模糊性. 显然, 从这种决策表中形成的决策规则,其实用性和针对性不强. 决策值数据挖掘通过详细的量化计算即可解决决策值细化的问题, 同时可纠正决策中的不准确性和决策失误等问题[4

收稿邮箱: sotrans@126.com
QQ: 1169561052    MSN: jesczhao@hotmail. com

最新翻译样例

相关翻译样例

专业英语词汇频道