基于粗糙集扩展模型的属性约简算法研究

发布时间：2021-01-19 18:03

　　粗糙集理论是一种处理不精确性、不完备性和不确定性问题的重要数学工具。由于经典粗糙集模型的分类条件是一种严格的不可分辨关系,无法直接处理混合型数据和准确表达生活中的一些模糊概念,导致在实际应用中存在一定的局限性。因此,粗糙集与其他数学理论结合的粗糙集扩展模型也就应运而生,并且广泛地应用到实际问题的解决中。属性约简,作为粗糙集扩展模型研究的核心内容之一,在处理信息化时代的不确定性问题中起到了关键作用,其可以在保持分类能力不变的前提下剔除原属性集中冗余或无关的属性,提高模型的分类性能。本文针对经典粗糙集模型在实际应用中等价关系的严格性造成需要离散化数据而使得信息丢失以及无法同时表达决策问题模糊程度的缺陷问题,开展了基于粗糙集扩展模型的属性约简算法研究。本文主要研究工作如下:1.针对经典粗糙集模型无法直接处理多标记混合型数据和多标记数据中标记空间存在标记强弱性的问题,提出了多标记邻域粗糙集模型及其属性约简算法ARNRS-ML。该模型利用样本到其异类样本和到其同类样本平均距离的差值对标记赋予权重,挖掘了标记对样本的区分性强弱,并在邻域粗糙集框架下提出了新的正域计算方法,有效提高了正域的计算效率。... 

【文章来源】：闽南师范大学福建省

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

Arts数据集在不同评价

闽南师范大学理学硕士学位论文52c)HammingLossd)One-error图4.1Arts数据集在不同评价指标上随属性个数变化的情况a)AveragePrecisionb)RankingLossc)HammingLossd)One-error图4.2Recreation数据集在不同评价指标上随属性个数变化的情况

第4章基于多标记变精度模糊邻域粗糙集的属性约简算法53a)AveragePrecisionb)RankingLossc)HammingLossd)One-error图4.3Society数据集在不同评价指标上随属性个数变化的情况a)AveragePrecisionb)RankingLoss

【参考文献】：
期刊论文
[1]基于邻域粗糙集的高维类不平衡数据在线流特征选择[J]. 陈祥焰,林耀进,王晨曦.  模式识别与人工智能. 2019(08)
[2]基于模糊粗糙集的辨识矩阵属性约简方法[J]. 赵晋欢,王长忠.  渤海大学学报(自然科学版). 2019(02)
[3]单值中智信息熵及其多属性决策方法[J]. 朱轮,杨波.  计算机工程与应用. 2018(15)
[4]不完备邻域粗糙集的不确定性度量和属性约简[J]. 姚晟,汪杰,徐风,陈菊.  计算机应用. 2018(01)
[5]变精度粗糙集的约简算法[J]. 张秋娜,李冬梅,徐珺,李力.  模糊系统与数学. 2017(06)
[6]基于邻域近似条件熵的启发式属性约简[J]. 张宁,范年柏.  计算机应用研究. 2018(05)
[7]变精度粗糙集推广模型及其性质研究[J]. 范年柏,张宁,孙涛.  计算机应用研究. 2018(05)
[8]基于邻域组合测度的属性约简方法[J]. 何松华,康婵娟,鲁敏,滕书华.  控制与决策. 2016(07)
[9]基于邻域信息熵度量数值属性快速约简算法[J]. 李少年,吴良刚.  计算机工程与科学. 2016(02)
[10]信息观下基于不一致邻域矩阵的属性约简[J]. 续欣莹,刘海涛,谢珺,谢刚.  控制与决策. 2016(01)

硕士论文
[1]基于中智集的多属性决策方法及其应用[D]. 刘胜男.山西大学 2018



本文编号：2987456