基于极大相容块邻域粗糙集特征选择方法研究

发布时间：2020-12-06 01:41

　　信息技术的高速发展催生了大数据时代,人类生产生活的各个领域数据海量增长。数据特征的高维性是大数据的重要特性之一,给数据挖掘带来了严峻挑战,特征选择和特征抽取是数据降维的两种主要途径。与特征抽取相比,特征选择可以保持数据表示维度的原始语义,有利于数据挖掘结果的解释。粗糙集理论是特征选择的有力工具。邻域粗糙集是经典粗糙集模型的重要拓展之一,适宜于在距离空间中表示的高维数据特征选择。针对数值型数据,本文将极大相容块概念与邻域粗糙集相结合,建立了一种极大相容块邻域粗糙集模型,并将模型分别应用于单标记特征选择和多标记特征选择问题上,设计了相应的特征选择算法。论文的研究内容和结论如下:(1)基于极大相容块邻域粗糙集的单标记特征选择方法现有的邻域粗糙集模型仅关注那些邻域中所有样本都属于同一个决策类的一致性情形,无法利用邻域中与多个决策类相交的边界样本所蕴含的信息。针对这一局限性,将相容关系的极大相容块与邻域粗糙集相结合,选取样本邻域内的最大等价块作为最小的信息粒,通过重新定义邻域粗糙集的上下近似和属性重要度等概念,建立了极大相容块邻域粗糙集模型。该模型可在更小的信息粒度下将原来边界样本转化成一致性样... 

【文章来源】：山西大学山西省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图３．１例３．１中烊本分布示意图??


本文编号：2900480