基于遗传粒子群算法和粗糙集的属性约简算法研究

发布时间：2017-03-28 23:13

  本文关键词：基于遗传粒子群算法和粗糙集的属性约简算法研究，，由笔耕文化传播整理发布。

【摘要】：粗糙集理论是一种强有力的处理不精确、不完整、不确定性数据的数学工具。粗糙集属性约简是在保持信息系统分类质量能力基本不变的情况下,约去冗余的属性。如何求得最小属性约简是粗糙集理论研究的一个重要课题,求解最小属性约简是一个NP-hard问题,因此,在提高算法效率的同时求得最小属性约简成为属性约简算法研究中的一种必然趋势。本文对基于粗糙集理论、遗传算法以及粒子群优化算法的属性约简算法进行了研究。本文首先介绍了粗糙集理论、遗传算法和粒子群优化算法的相关内容。其次对基于可辨识矩阵、属性重要度和属性依赖度的属性约简算法进行了简单的介绍,并对各种算法进行对比分析。再次介绍了遗传约简算法和粒子群约简算法。遗传约简算法具有搜索范围广的优点,但是其收敛速度慢且不易于找到全局最优解。而粒子群算法的优点是收敛速度快,缺陷是易于陷入局部最优解,且算法不稳定。最后本文考虑将遗传算法、粒子群算法与粗糙集理论相结合进行属性约简,从而提出了一种基于遗传粒子群算法和粗糙集理论的属性约简算法。本算法的主要特点为:一是在求解属性核时采用了属性依赖度作为启发式策略,并且在种群初始化时用属性核加以限制,从而增强了算法的局部搜索能力,提高了算法的时间复杂度和约简结果的准确性。二是在粒子群约简算法的基础上增加了遗传算法中的选择、交叉、变异操作,以达到充分利用粒子群中有效信息的目的,从而在原有能得到良好搜索结果的基础上提高算法的收敛速度、扩大搜索空间范围,使这两种算法发挥各自的优势弥补双方的不足。三是在适应度函数设计时,不但引入了属性依赖度值作为判断依据,还在粒子群进化的不同阶段对适应度函数进行动态调节,以保证最后的约简结果为最小属性约简。
【关键词】：粗糙集理论 属性约简 遗传算法 粒子群优化算法 属性依赖度
【学位授予单位】：西北师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18
【目录】：

• 摘要8-9
• Abstract9-11
• 1 绪论11-14
• 1.1 研究的背景及意义11-12
• 1.2 国内外研究现状12-13
• 1.3 本文的内容及组织安排13-14
• 2 粗糙集理论与属性约简14-22
• 2.1 粗糙集理论基础14-16
• 2.1.1 信息表知识表达系统14
• 2.1.2 粗糙集基本概念14-16
• 2.2 基于粗糙集的属性约简16-21
• 2.2.1 属性约简与属性核16-17
• 2.2.2 一般的属性约简算法17
• 2.2.3 基于可辨识矩阵的属性约简算法17-19
• 2.2.4 基于属性依赖度的属性约简算法19-20
• 2.2.5 基于属性重要度的属性约简算法20
• 2.2.6 算法的分析与比较20-21
• 2.3 本章小结21-22
• 3 遗传约简算法和粒子群约简算法22-33
• 3.1 遗传算法22-26
• 3.1.1 遗传算法的产生及发展22
• 3.1.2 遗传算法基本理论22-24
• 3.1.3 基本遗传算法24-26
• 3.2 粒子群优化算法26-29
• 3.2.1 粒子群优化算法的产生及发展26
• 3.2.2 粒子群优化算法的基本理论26-27
• 3.2.3 基本粒子群算法27-29
• 3.3 基于遗传算法、粒子群算法和粗糙集理论的属性约简29-31
• 3.3.1 遗传约简算法29-31
• 3.3.2 粒子群约简算法31
• 3.4 本章小结31-33
• 4 遗传—粒子群属性约简算法33-45
• 4.1 算法的基本思想33
• 4.2 算法设计33-39
• 4.2.1 算法描述33-37
• 4.2.2 算法流程37-39
• 4.3 算法的可行性分析39
• 4.4 实验结果及分析39-43
• 4.5 本章小结43-45
• 5 总结与展望45-47
• 5.1 论文工作总结45-46
• 5.2 进一步的展望46-47
• 参考文献47-51
• 致谢51

【相似文献】

中国期刊全文数据库 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

中国重要会议论文全文数据库 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

中国博士学位论文全文数据库 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 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

6 孔芝;粗糙集理论若干问题的研究与应用[D];东北大学;2009年

7 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

8 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

9 邓大勇;基于粗糙集的数据约简及粗糙集扩展模型的研究[D];北京交通大学;2007年

10 孙英娟;基于粗糙集的分类方法研究[D];吉林大学;2011年

中国硕士学位论文全文数据库 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

  本文关键词：基于遗传粒子群算法和粗糙集的属性约简算法研究，由笔耕文化传播整理发布。

本文编号：273235