粗糙集理論是一種處理不確定、不一致等不完備信息的新型數(shù)據(jù)分析工具,被廣泛應用于數(shù)據(jù)挖掘、決策分析和故障診斷等領(lǐng)域。在粗糙集理論中,經(jīng)典的Pawlak粗糙集模型只適合處理離散型變量,不能直接處理連續(xù)型變量。為了解決此問題,通過引入鄰域粒化和粗糙逼近的概念引入鄰域粗糙集模型,可以同時支持連續(xù)型和離散型兩種數(shù)據(jù)類型,拓寬了粗糙集理論的應用范圍。屬性約簡是粗糙集理論的核心內(nèi)容之一。屬性約簡是指在保持原有決策系統(tǒng)分類和決策能力不變的情況下,刪除冗余屬性。本文主要研究內(nèi)容就是對現(xiàn)有的屬性約簡算法進行改進,并通過實驗進行驗證。除此之外,將改進的算法與決策樹分類算法相結(jié)合,實現(xiàn)更有效的分類。本文研究工作如下:1、在基于鄰域粗糙集的屬性約簡算法中,正域計算是保證其有效性的重要依據(jù),也是影響其時間開銷的最主要部分。為了減少算法開銷,采取矩陣保留策略,利用矩陣記錄樣本間度量計算值的平方,將原本n維上的度量計算改進為1維上的計算。基于上述方法對F2HARNRS算法進行改進,提出基于矩陣保留策略的前向搜索屬性約簡算法。實驗證明該算法在提高算法效率方面是有效的。2、計算鄰域樣本時,δ是一個關(guān)鍵的參數(shù),它的取值影響... 

【文章來源】：青島大學山東省

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    1.1 選題背景與意義
    1.2 國內(nèi)外研究歷程及現(xiàn)狀
        1.2.1 粗糙集理論
        1.2.2 決策樹分類算法
    1.3 本文的研究內(nèi)容和組織結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 理論基礎(chǔ)
    2.1 經(jīng)典粗糙集理論基礎(chǔ)知識
        2.1.1 知識與分類
        2.1.2 上近似與下近似
        2.1.3 信息系統(tǒng)和決策系統(tǒng)
        2.1.4 依賴度和屬性重要度
        2.1.5 屬性的約簡與核
    2.2 鄰域粗糙集理論基礎(chǔ)知識
        2.2.1 鄰域�；�
        2.2.2 鄰域粗糙集逼近
        2.2.3 鄰域決策系統(tǒng)
    2.3 本章小結(jié)
第三章 基于粗糙集的屬性約簡算法
    3.1 基于經(jīng)典粗糙集的屬性約簡算法
        3.1.1 基于pawlak屬性重要度的屬性約簡算法
        3.1.2 基于差別矩陣的屬性約簡算法
        3.1.3 基于信息熵的屬性約簡算法
    3.2 基于鄰域粗糙集的屬性約簡算法
        3.2.1 前向貪心數(shù)值屬性約簡算法
        3.2.2 前向搜索屬性約簡快速算法
        3.2.3 基于鄰域粗糙集的快速屬性約簡算法
    3.3 本章小結(jié)
第四章 基于矩陣保留策略的鄰域粗糙集屬性約簡算法
    4.1 矩陣保留策略
    4.2 基于矩陣保留策略的前向搜索屬性約簡算法
        4.2.1 基于矩陣保留策略的正域計算算法
        4.2.2 基于矩陣保留策略的前向搜索屬性約簡算法
        4.2.3 實驗分析
    4.3 基于矩陣保留策略的快速屬性約簡算法
        4.3.1 基于矩陣保留策略的正域計算算法
        4.3.2 基于矩陣保留策略的快速屬性約簡算法
        4.3.3 實驗分析
    4.4 本章小結(jié)
第五章 基于正域的決策樹算法
    5.1 基于正域的決策樹算法
        5.1.1 分類屬性的選擇標準
        5.1.2 葉節(jié)點的選擇方式
        5.1.3 算法描述
    5.2 實驗分析
        5.2.1 實驗環(huán)境
        5.2.2 實驗結(jié)果
    5.3 本章小結(jié)
第六章 總結(jié)與展望
參考文獻
攻讀學位期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于投票式屬性重要度的快速屬性約簡算法[J]. 王蓉,劉遵仁,紀俊.  計算機科學. 2018(07)
[2]基于鄰域粗糙集下知識劃分的信息表降維[J]. 彭瀟然,劉遵仁,紀俊.  計算機應用研究. 2019(01)
[3]不完備鄰域粗糙集的不確定性度量和屬性約簡[J]. 姚晟,汪杰,徐風,陳菊.  計算機應用. 2018(01)
[4]基于屬性重要度的決策樹算法[J]. 王蓉,劉遵仁,紀俊.  計算機科學. 2017(S2)
[5]基于α信息熵的模糊粗糙屬性約簡方法[J]. 潘瑞林,李園沁,張洪亮,伊長生,樊楊龍,楊庭圣.  控制與決策. 2017(02)
[6]面向大數(shù)據(jù)分析的決策樹算法[J]. 張棪,曹健.  計算機科學. 2016(S1)
[7]決策粗糙集理論研究現(xiàn)狀與展望[J]. 于洪,王國胤,姚一豫.  計算機學報. 2015(08)
[8]基于鄰域粗糙集的多標記分類特征選擇算法[J]. 段潔,胡清華,張靈均,錢宇華,李德玉.  計算機研究與發(fā)展. 2015(01)
[9]基于塊集的鄰域粗糙集的快速約簡算法[J]. 婁暢,劉遵仁,郭功振.  計算機科學. 2014(S2)
[10]優(yōu)化決策樹改進挖掘算法仿真[J]. 梁鳳蘭.  計算機仿真. 2013(11)



本文編號：3171156