基于邻域粗糙集属性约简算法的研究

发布时间：2019-05-12 11:10

【摘要】：近些年来,随着信息技术的快速发展,大量的数据爆炸式增长,这其中就包含大量冗余的数据,这些数据会对我们做出正确的决策产生影响,因此对这些数据进行预处理将变得更加迫切。属性约简作为粗糙集理论的的核心内容取得了很大的发展,其主要工作就是在保持系统分类能力不变的前提下,删除冗余或者不重要的特征,从而减少搜索空间,提高约简效率。被广泛的应用在数据挖掘、模式识别等方面。经典邻域粗糙集理论在进行数据分析的过程中,把正域作为样本的有效分类,往往忽略了边界样本的可分性,从而正域的定义不能真实反映分类的真实情况。为此,在本文中,我们重新构造了基于最大决策函数的粗糙集属性约简模型,并对其相关性质进行了推理及讨论,同时进行了相关数据实验分析。本文所做的主要工作如下:1.在邻域粗集中,正域通常被用来反映特征子集的分类能力。然而,正域并不是分类精度的一个有效估计,因为它只考虑一致决策的样本,而忽略边界样本。根据贝叶斯分类规则可知,边界样本也包含一定的分类信息。基于此,在本章中,通过引入最大决策函数的概念,提出了一个新的粗糙集模型——最大决策函数的粗糙集模型。该模型不仅考虑了正域中的样本,而且利用了边界样本的区分信息。该模型保证了样本分类的最小分类误差。基于该模型,构造了反映分类能力的特征评价函数——依赖度函数,并设计了属性约简算法。通过数值实验,进行了该算法和一些现有的算法的分析和比较。实验结果表明,该方法是有效的。2.在最大决策函数的粗糙集模型中,特征评价是用依赖度函数进行的。依赖度函数是否具有单调性对属性约简算法的设计非常重要,这是因为具有单调性的依赖度函数能够较好的实现算法的停止搜索步骤。然而,基于最大决策函数的粗糙集模型中的依赖度函数不具有单调性。针对这个问题在最大决策函数的基础上,我们对上、下近似以及边界进行了重新构造,继而定义了具有单调性的基于最大决策函数的依赖度函数,从而解决了在分类精度不变的情况下依赖度函数的单调性问题。最后利用UCI数据集进行了实验分析,通过数值实验表明,该算法能够找到比经典约简算法更小、更精确的特征子集,因而该算法是可行的。
[Abstract]:......
【学位授予单位】：渤海大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 邱兆雷;范颖;王爱云;;粗糙集理论及进展[J];信息技术与信息化;2006年05期

2 徐伟华;张文修;;覆盖广义粗糙集的模糊性[J];模糊系统与数学;2006年06期

3 石杰;;粗糙集理论及其应用研究[J];科技信息;2008年33期

4 唐彬;;粗糙集理论和应用研究[J];内江科技;2008年03期

5 胡军;王国胤;;覆盖粗糙集的模糊度[J];重庆邮电大学学报(自然科学版);2009年04期

6 燕红文;康向平;张丽;;依赖空间与粗糙集理论[J];农业网络信息;2009年09期

7 林国平;;覆盖广义粗糙集与信任函数[J];漳州师范学院学报(自然科学版);2010年02期

8 王石平;祝峰;朱培勇;;基于抽象相关关系的粗糙集研究[J];南京大学学报(自然科学版);2010年05期

9 成新文;陈国超;李琦;;关于粗糙集的理论及应用研究[J];煤炭技术;2010年10期

10 林治;张璇;;粗糙集理论的应用探析[J];邢台职业技术学院学报;2011年03期

相关会议论文 前10条

1 黎文航;陈善本;王兵;;粗糙集理论在焊接中的应用综述[A];第十一次全国焊接会议论文集（第2册）[C];2005年

2 尹宗成;;粗糙集理论在我国粮食产量预测中的应用[A];现代农业理论与实践——安徽现代农业博士科技论坛论文集[C];2007年

3 邹刚;滕书华;孙即祥;陈森林;敖永红;;一种粗糙集优化协同原型模式约简分类方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

5 陈雪飞;;粗糙集分类中耦合数据的处理方法研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

6 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年

7 王印松;冯康;;主汽温调节系统性能评价的粗糙集实现方法[A];第二十七届中国控制会议论文集[C];2008年

8 王红萍;万程亮;金彦丰;;应用粗糙集理论的对抗效果权重确定方法[A];2009’中国西部地区声学学术交流会论文集[C];2009年

9 王莉;周献中;;一种基于粗糙集的模糊神经网络模型在钢材力学性能预测中的研究[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 卓明;王丽珍;谭旭;;基于粗糙集近似集扩展的规则提取算法[A];第十七届全国数据库学术会议论文集（技术报告篇）[C];2000年

相关博士学位论文 前10条

1 马希骜;概率粗糙集属性约简理论及方法研究[D];西南交通大学;2014年

2 唐孝;基于粗糙集的知识发现方法及其在ECG信号识别中的应用[D];电子科技大学;2015年

3 曾凯;邻域粒化粗糙计算的关键技术研究与应用[D];电子科技大学;2015年

4 鲍忠奎;面向不确定信息系统的粗糙集扩展模型研究[D];合肥工业大学;2015年

5 王永生;基于粗糙集理论的动态数据挖掘关键技术研究[D];北京科技大学;2016年

6 马周明;基于边界域的多粒度粗糙集及其相关度量[D];河北师范大学;2017年

7 薛佩军;正负域覆盖广义粗糙集与知识粗传播研究[D];山东大学;2007年

8 孔芝;粗糙集理论若干问题的研究与应用[D];东北大学;2009年

9 秦中广;基于粗糙集的交叉研究及其在中医诊断的应用[D];华南理工大学;2002年

10 刘少辉;知识发现中粗糙集理论的研究[D];中国科学院研究生院（计算技术研究所）;2003年

相关硕士学位论文 前10条

1 江飞;粗糙集神经网络故障诊断方法研究[D];西安石油大学;2015年

2 何理荣;粗糙集理论在银行信贷风险评估中的应用研究[D];华南理工大学;2015年

3 张德齐;基于粗糙集理论的电机故障诊断方法研究[D];渤海大学;2015年

4 杨礼;基于粗糙集的公路交通安全预警研究[D];西南交通大学;2015年

5 聂萌瑶;基于泛系串并模型的粗糙集概念扩展与拓扑空间[D];兰州大学;2015年

6 徐鹏;基于粗糙集的建筑起重机械安全精细化评价研究[D];西安建筑科技大学;2015年

7 孙宇航;粗糙集属性约简方法在医疗诊断中的应用研究[D];苏州大学;2015年

8 张曼;基于粗糙集和包含度的聚类分类算法研究[D];青岛理工大学;2015年

9 车世远;基于群搜索优化粗糙集的脑科学数据研究[D];大连海事大学;2015年

10 林哲;基于粗糙集的马田系统研究及其在银行直接营销客户分类中的应用[D];南京理工大学;2015年

，

本文编号：2475343