發(fā)布時間：2021-10-22 15:56

　　眾所周知,除非結構化、多模態(tài)、多關聯(lián)等特性外,高維、多標記也是數(shù)據(jù)復雜性的主要表現(xiàn)形式。比如,一張圖片可能同時包含“夕陽”、“云彩”、和“樹木”等標記。一篇文檔可能同時包含“非洲”、“內(nèi)戰(zhàn)”、和“石油”等標記。通常這些多標記數(shù)據(jù)還是高維的,比如基因的序列,圖像的像素點,文本的特征詞等。數(shù)據(jù)的高維性通常會增加數(shù)據(jù)分析算法的空間和時間復雜度,而數(shù)據(jù)的多標記性會增加模型的復雜度。發(fā)展高維多標記數(shù)據(jù)的特征選擇方法不僅對數(shù)據(jù)建模、機器學習等領域具有重要理論意義,而且具有重要的潛在應用價值。粗糙集理論是一種處理不確定性信息的有效方法,它無需對數(shù)據(jù)進行先驗假設,利用信息粒構造概念近似算子,并在設計的準則下對數(shù)據(jù)進行約簡,然后建立基于規(guī)則或其他形式的分類器,已在許多數(shù)據(jù)分析與挖掘領域中取得廣泛應用。本文面向多標記數(shù)據(jù)分類問題,發(fā)展模糊粗糙集和鄰域粗糙集模型,應用于多標記數(shù)據(jù)的特征選擇。論文的主要研究內(nèi)容和結論如下:（1）基于標記相關性的多標記模糊粗糙特征選擇方法多標記數(shù)據(jù)的標記并非是獨立的,而現(xiàn)有的多標記分類的粗糙特征選擇方法大多都沒有考慮標記間的相關性,這影響了所建模型的性能。為解決這一問題,本文提... 

【文章來源】：山西大學山西省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景、目的及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 粗糙特征選擇
        1.2.2 基于機器學習的特征選擇
    1.3 主要研究內(nèi)容
    1.4 論文組織結構
第二章 相關理論基礎
    2.1 基本概念
    2.2 粗糙集
        2.2.1 上下近似
        2.2.2 屬性約簡
    2.3 模糊粗糙集模型
    2.4 鄰域粗糙集模型
    2.5 本章小結
第三章 基于標記關系的模糊粗糙特征選擇
    3.1 基本概念
    3.2 特征選擇方法
        3.2.1 標記模糊粗糙集模型
        3.2.2 特征選擇算法
    3.3 實驗
        3.3.1 數(shù)據(jù)集與評價指標
        3.3.2 結果及分析
    3.4 本章小結
第四章 基于雙重�；泥徲虼植谔卣鬟x擇
    4.1 對象關系鄰域粗糙集模型
    4.2 標記關系鄰域粗糙集模型
    4.3 特征選擇算法
    4.4 實驗
        4.4.1 數(shù)據(jù)集與評價指標
        4.4.2 結果及分析
    4.5 本章小結
第五章 結論與展望
    5.1 結論
    5.2 展望
參考文獻
攻讀學位期間取得的研究成果
致謝
個人簡況及聯(lián)系方式


【參考文獻】：
期刊論文
[1]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)
[2]一類基于信息熵的多標簽特征選擇算法[J]. 張振海,李士寧,李志剛,陳昊.  計算機研究與發(fā)展. 2013(06)
[3]粗糙集理論與應用研究綜述[J]. 王國胤,姚一豫,于洪.  計算機學報. 2009(07)
[4]基于鄰域粗糙集的符號與數(shù)值屬性快速約簡算法[J]. 胡清華,趙輝,于達仁.  模式識別與人工智能. 2008(06)
[5]基于遺傳算法的粗糙集知識約簡方法[J]. 陶志,許寶棟,汪定偉,李冉.  系統(tǒng)工程. 2003(04)
[6]Rough集理論在不完備信息系統(tǒng)中的擴充[J]. 王國胤.  計算機研究與發(fā)展. 2002(10)



本文編號：3451418