粗糙集的贝叶斯方法
人工智能
2007-05-23 v1
摘要
本文提出了一种利用马尔可夫链蒙特卡洛 (MCMC) 方法在贝叶斯框架下训练粗糙集模型的方法。先验概率是基于良好粗糙集模型具有较少规则这一先验知识构建的。通过在粗糙集粒空间中采样进行马尔可夫链蒙特卡洛采样，并使用 Metropolis 算法作为接受准则。所提出的方法被用于根据人口统计数据估计 HIV 风险。所得结果表明，该方法能够实现平均 58% 的准确率，准确率最高可达 66%。此外，贝叶斯粗糙集不仅给出了估计 HIV 状态的概率，还提供了描述人口统计参数如何驱动 HIV 风险的语言规则。
关键词
引用
@article{arxiv.0704.3433,
title = {Bayesian approach to rough set},
author = {Tshilidzi Marwala and Bodie Crossingham},
journal= {arXiv preprint arXiv:0704.3433},
year = {2007}
}
评论
20 pages, 3 figures