• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Computational intelligence for knowledge-based systems design >Probabilistic Rough Set Approaches to Ordinal Classification with Monotonicity Constraints
【24h】

Probabilistic Rough Set Approaches to Ordinal Classification with Monotonicity Constraints

机译：具有单调性约束的序数分类的概率粗糙集方法

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present some probabilistic rough set approaches to ordinal classification with monotonicity constraints, where it is required that the class label of an object does not decrease when evaluation of this object on attributes improves. Probabilistic rough set approaches allow to structure the classification data prior to induction of decision rules. We apply sequential covering to induce rules that satisfy consistency constraints. These rules are then used to make predictions on a new set of objects. After discussing some interesting features of this type of reasoning about ordinal data, we perform an extensive computational experiment to show a practical value of this proposal which is compared to other well known methods.
机译：我们提出了具有单调性约束的序数分类的一些概率粗糙集方法，其中要求当对对象的属性评估提高时，对象的类标签不要减少。概率粗糙集方法允许在归纳决策规则之前构造分类数据。我们应用顺序覆盖来引入满足一致性约束的规则。然后使用这些规则对一组新对象进行预测。在讨论了有关序数数据的这种类型的推理的一些有趣特征之后，我们进行了广泛的计算实验，以显示该提议的实用价值，并将其与其他众所周知的方法进行比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号