基于粗糙集属性约简的模糊规则提取及集成约简森林分类
发布时间：2021-09-07 00:48
高维不确定性数据的规则提取和高维非平衡数据的分类问题是当代信息技术领域面临的重要挑战。属性约简作为一种常用的降维手段,是基于粗糙集的相关粒计算方法的主要研究内容之一,通过属性约简可以有效去除信息系统中存在的冗余成分,缩减知识空间,从而更好地服务于高维数据的模糊规则提取与非平衡数据分类等数据挖掘工作。本文以粗糙集属性约简为研究基础,研究了在高维模糊系统中获取单约简和应用二进制分辨矩阵动态获取多约简的两类方法,并将他们分别应用于无冗余模糊决策规则提取与脑功能连接多通路的获取上。最后,将这两类约简方法与随机森林相结合,构造集成约简森林,用于解决高维非平衡数据的分类问题。本文主要研究内容如下:（1）提出了一种区间二型模糊粗糙集单约简算法及其模糊规则提取算法。将高斯核函数引用到区间二型模糊粗糙集中构建模糊相似关系,定义了高斯核区间二型模糊粗糙集上、下近似和正区域等关键概念,并设计了相应的单约简算法。之后,证明了三个无冗余规则提取定理,保证了后续提出的模糊规则提取算法所提取决策规则的无冗余性。实验结果表明,算法在约简子集大小和分类正确率上都优于传统算法,并且可以提取无冗余决策规则。（2）提出了一种...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：107 页
【学位级别】：博士
【部分图文】：
图１．１集合／的上下近似??Ｆｉｇ?１．１?Ｔｈｅ?ｕｐｐｅｒ?ａｎｄ?ｌｏｗｅｒ?ａｐｐｒｏｘｉｍａｔｉｏｎ?ｏｆ?尤??定义１．５（粗糙集）集合Ｘ为等价关系ｉ？下的一个粗糙集，当且仅当五（Ｘ）
?区间二型模糊粗糙集单约简算法及其模糊规则提取应用???实验结果如图２．３－２．５所示，可以看到在大多数数据集上，ＡＲＧＩＲＳ的分类性能要优??于其它算法。综合考虑约简子集和分类精度，在Ｐｉｍａ、Ｓｅｅｄｓ和Ｗｉｎｅ等数据集上，??ＡＲＧＩＲＳ在约减子集大小和分类精度方面都优于其它算法。在其它数据集上，即使它的??性能不是最优的，其与最优算法间的差别也很小，并且ＡＲＧＩＲＳ总是可以得到最小或次??小的约简子集。总的来说，利用ＡＲＧＩＲＳ可以在保持原始数据分类性能的同时找到较小??的约简子集，ＡＲＧＩＲＳ的总体性能要优于其它对比方法。??ｉ?ＰＳＯＲＳ?＾?ＵＦＲＦＳ?■?ＩＭ－ＩＴ２ＦＲＳ?ｉ?ＡＲＧＩＲＳ??１００?＿??Ａｐｐｅｎｄｉｃｉｔｉｓ?Ｂａｎｄｓ?Ｂｌｏｏｄ?Ｂｌｉｍｐｓ?Ｈｏｕｓｅｖｏｔｅｓ?Ｐｉｍａ?Ｓｅｅｄｓ?Ｓｏｎａｒ?Ｔｉｃ?Ｖｏｗｅｌ?Ｗｉｎｅ?Ｚｏｏ??数据集??图２．?３采用ｋＮＮ分类器情况下不同约简方法分类正确率??Ｆｉｇ．?２．３?Ｔｈｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ａｃｃｕｒａｃｙ?ｕｓｉｎｇ?ｄｉｆｆｅｒｅｎｔ?ｍｅｔｈｏｄｓ（Ｃｌａｓｓｉｆｉｅｒ：?ｋＮＮ）??Ｅ?ＰＳＯＲＳ?ｉ?ＵＦＲＦＳ?■?ＩＭ－ＩＴ２ＦＲＳ?ｉ?ＡＲＧＩＲＳ??ｌｌｌｉｉｉｌＭｉｌｌｌｉ??Ａｐｐｅｎｄｉｃｉｔｉｓ?Ｂａｎｄｓ?Ｂｌｏｏｄ?Ｂｕｍｐｓ?Ｈｏｕｓｅｖｏｔｅｓ?Ｐｉｍａ?Ｓｅｅｄｓ?Ｓｏｎａａ－?Ｔｉｃ?Ｖｏｗｅｌ?Ｗｉｕｅ?Ｚｏｏ??数据集??图２．?４采用朴素贝叶斯分类器情况下不同约简方法分类正确率??Ｆｉｇ．?２．４?Ｔｈｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ａｃｃｕｒａｃｙ?ｕｓｉｎ
?基于粗糙集属性约简的模糊规则提取及集成约简森林分类???５〇?ＯＤＭＲＡ－！?？?ＯＤＭＲａＩ?ｍ??ＤＭＲＡ?／?ＤＭＲＡ??Ｉ３°?＿?２。－??０????：??????１２３４５６７８９?１０?１２３４５６７８９?１０??倍数?倍数??ａ）?Ｂｒｅａｓｔ?Ｔｉｓｓｕｅ?ｂ）?Ｌｉｖｅｒ?Ｄｉｓｏｒｄｅｒｓ??２５?１?￣—?．?＾＾＾＾?ｎ?ｎ?￣?：?■?；?；?；?；?；?：?厂??ｏｄｍｒａ］?ａ?ｏｄｍｒａ］?？??ＤＭＲＡ?２０?ＤＭＲＡ?／?＾??一?２。—Ｉ??／?－????ｌ：??１２３４５６７８９?１０?１２３４５６７８９?１０??倍数?倍数??ｃ）?Ｆｅｒｔｉｌｉｔｙ?ｄ）?Ｉｒｉｓ??８０丨丨一祖Ａ?｜?丨卜ＯＤＭＲＡ丨丨１?：?ｚ??ＤＭＲＡ?ＤＭＲＡ??ｆ?３〇－?／??｜?４０?／／?－?２０??０?￣????：?：?：?：?；?；??ｎ?ｌ；?：?：?ｉ?Ｉ?；?；?：?；?＾??１２３４５６７８９?１０?１２３４５６７８９?１０??倍数?倍数??ｅ）?Ｑｕａｌｉｔａｔｉｖｅ＿Ｂａｎｋｒｕｐｔｃｙ?ｆ）?Ｓｅｅｄ??图３．?２?ＤＭＲＡ和ＯＤＭＲＡ不同属性规模下平均运行时间??Ｆｉｇ．?３．２?Ａｖｅｒａｇｅ?ｒｕｎｎｉｎｇ?ｔｉｍｅ?ｏｆ?ＤＭＲＡ?ａｎｄ?ＤＭＲＡ?ｕｎｄｅｒ?ｄｉｆｆｅｒｅｎｔ?ａｔｔｒｉｂｕｔｅ?ｓａｃｌｅｓ??－４２－??
本文编号：3388521
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：107 页
【学位级别】：博士
【部分图文】：
图１．１集合／的上下近似??Ｆｉｇ?１．１?Ｔｈｅ?ｕｐｐｅｒ?ａｎｄ?ｌｏｗｅｒ?ａｐｐｒｏｘｉｍａｔｉｏｎ?ｏｆ?尤??定义１．５（粗糙集）集合Ｘ为等价关系ｉ？下的一个粗糙集，当且仅当五（Ｘ）
?区间二型模糊粗糙集单约简算法及其模糊规则提取应用???实验结果如图２．３－２．５所示，可以看到在大多数数据集上，ＡＲＧＩＲＳ的分类性能要优??于其它算法。综合考虑约简子集和分类精度，在Ｐｉｍａ、Ｓｅｅｄｓ和Ｗｉｎｅ等数据集上，??ＡＲＧＩＲＳ在约减子集大小和分类精度方面都优于其它算法。在其它数据集上，即使它的??性能不是最优的，其与最优算法间的差别也很小，并且ＡＲＧＩＲＳ总是可以得到最小或次??小的约简子集。总的来说，利用ＡＲＧＩＲＳ可以在保持原始数据分类性能的同时找到较小??的约简子集，ＡＲＧＩＲＳ的总体性能要优于其它对比方法。??ｉ?ＰＳＯＲＳ?＾?ＵＦＲＦＳ?■?ＩＭ－ＩＴ２ＦＲＳ?ｉ?ＡＲＧＩＲＳ??１００?＿??Ａｐｐｅｎｄｉｃｉｔｉｓ?Ｂａｎｄｓ?Ｂｌｏｏｄ?Ｂｌｉｍｐｓ?Ｈｏｕｓｅｖｏｔｅｓ?Ｐｉｍａ?Ｓｅｅｄｓ?Ｓｏｎａｒ?Ｔｉｃ?Ｖｏｗｅｌ?Ｗｉｎｅ?Ｚｏｏ??数据集??图２．?３采用ｋＮＮ分类器情况下不同约简方法分类正确率??Ｆｉｇ．?２．３?Ｔｈｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ａｃｃｕｒａｃｙ?ｕｓｉｎｇ?ｄｉｆｆｅｒｅｎｔ?ｍｅｔｈｏｄｓ（Ｃｌａｓｓｉｆｉｅｒ：?ｋＮＮ）??Ｅ?ＰＳＯＲＳ?ｉ?ＵＦＲＦＳ?■?ＩＭ－ＩＴ２ＦＲＳ?ｉ?ＡＲＧＩＲＳ??ｌｌｌｉｉｉｌＭｉｌｌｌｉ??Ａｐｐｅｎｄｉｃｉｔｉｓ?Ｂａｎｄｓ?Ｂｌｏｏｄ?Ｂｕｍｐｓ?Ｈｏｕｓｅｖｏｔｅｓ?Ｐｉｍａ?Ｓｅｅｄｓ?Ｓｏｎａａ－?Ｔｉｃ?Ｖｏｗｅｌ?Ｗｉｕｅ?Ｚｏｏ??数据集??图２．?４采用朴素贝叶斯分类器情况下不同约简方法分类正确率??Ｆｉｇ．?２．４?Ｔｈｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ａｃｃｕｒａｃｙ?ｕｓｉｎ
?基于粗糙集属性约简的模糊规则提取及集成约简森林分类???５〇?ＯＤＭＲＡ－！?？?ＯＤＭＲａＩ?ｍ??ＤＭＲＡ?／?ＤＭＲＡ??Ｉ３°?＿?２。－??０????：??????１２３４５６７８９?１０?１２３４５６７８９?１０??倍数?倍数??ａ）?Ｂｒｅａｓｔ?Ｔｉｓｓｕｅ?ｂ）?Ｌｉｖｅｒ?Ｄｉｓｏｒｄｅｒｓ??２５?１?￣—?．?＾＾＾＾?ｎ?ｎ?￣?：?■?；?；?；?；?；?：?厂??ｏｄｍｒａ］?ａ?ｏｄｍｒａ］?？??ＤＭＲＡ?２０?ＤＭＲＡ?／?＾??一?２。—Ｉ??／?－????ｌ：??１２３４５６７８９?１０?１２３４５６７８９?１０??倍数?倍数??ｃ）?Ｆｅｒｔｉｌｉｔｙ?ｄ）?Ｉｒｉｓ??８０丨丨一祖Ａ?｜?丨卜ＯＤＭＲＡ丨丨１?：?ｚ??ＤＭＲＡ?ＤＭＲＡ??ｆ?３〇－?／??｜?４０?／／?－?２０??０?￣????：?：?：?：?；?；??ｎ?ｌ；?：?：?ｉ?Ｉ?；?；?：?；?＾??１２３４５６７８９?１０?１２３４５６７８９?１０??倍数?倍数??ｅ）?Ｑｕａｌｉｔａｔｉｖｅ＿Ｂａｎｋｒｕｐｔｃｙ?ｆ）?Ｓｅｅｄ??图３．?２?ＤＭＲＡ和ＯＤＭＲＡ不同属性规模下平均运行时间??Ｆｉｇ．?３．２?Ａｖｅｒａｇｅ?ｒｕｎｎｉｎｇ?ｔｉｍｅ?ｏｆ?ＤＭＲＡ?ａｎｄ?ＤＭＲＡ?ｕｎｄｅｒ?ｄｉｆｆｅｒｅｎｔ?ａｔｔｒｉｂｕｔｅ?ｓａｃｌｅｓ??－４２－??
本文编号：3388521
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3388521.html
