粗糙集理論常被用來(lái)挖掘數(shù)據(jù)內(nèi)部信息和數(shù)據(jù)提煉。屬性約簡(jiǎn)是粗糙集領(lǐng)域的一個(gè)核心研究?jī)?nèi)容,屬性約簡(jiǎn)是將數(shù)據(jù)中冗余屬性排除,壓縮數(shù)據(jù)樣本并提升分類(lèi)性能的過(guò)程。約簡(jiǎn)結(jié)果的好壞主要從分類(lèi)性能和時(shí)間消耗兩個(gè)維度進(jìn)行衡量。本文首先從分類(lèi)性能入手提出集成投票屬性約簡(jiǎn)方法,提升約簡(jiǎn)結(jié)果的分類(lèi)精度、解決實(shí)際需求;接著提出屬性約簡(jiǎn)的三支加速方法,進(jìn)一步降低了約簡(jiǎn)的時(shí)間消耗。為了提高約簡(jiǎn)結(jié)果的分類(lèi)性能,眾多研究者將目光聚集于局部視角。在此基礎(chǔ)上發(fā)展出了集成屬性約簡(jiǎn),即將樣本依據(jù)決策類(lèi)別劃分為多個(gè)決策系統(tǒng)分別計(jì)算。針對(duì)傳統(tǒng)求解約簡(jiǎn)算法將所有樣本作為一個(gè)整體,忽視了不同樣本具有的決策類(lèi)別不同,導(dǎo)致約簡(jiǎn)結(jié)果無(wú)法綜合平衡各個(gè)決策類(lèi)需求的這一情況。（1）本文提出了一種基于集成投票的約簡(jiǎn)求解算法。具體算法由三個(gè)步驟組成:1)將決策類(lèi)相同的樣本挑選出來(lái)組成多個(gè)新決策系統(tǒng);2)在多個(gè)決策系統(tǒng)中分別計(jì)算局部屬性重要度,找到每個(gè)決策系統(tǒng)中重要度最大的屬性;3)依據(jù)上一步得到的局部重要度最大的屬性,利用多數(shù)投票機(jī)制選擇出合適的屬性并將其放入潛在的約簡(jiǎn)集合中,直到其滿足約束條件時(shí)為止。從計(jì)算約簡(jiǎn)的時(shí)間維度來(lái)看,傳統(tǒng)的基于適應(yīng)度函數(shù)的... 

【文章來(lái)源】：哈爾濱師范大學(xué)黑龍江省

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

經(jīng)典粗糙集的表示Figure2-1Representationofclassicalroughsets

【參考文獻(xiàn)】：
期刊論文
[1]面向混合數(shù)據(jù)的多伴隨三支決策[J]. 趙天娜,苗奪謙,米據(jù)生,張遠(yuǎn)健.  智能系統(tǒng)學(xué)報(bào). 2019(06)
[2]一種基于三支決策的移動(dòng)云任務(wù)節(jié)能卸載方法[J]. 徐曉霞,姜春茂,黃春梅.  南京理工大學(xué)學(xué)報(bào). 2019(04)
[3]基于M-3WD的多階段區(qū)域轉(zhuǎn)化策略研究[J]. 郭豆豆,姜春茂.  計(jì)算機(jī)科學(xué). 2019(10)
[4]集成面向?qū)ο笥跋穹治雠cKNN算法的多光譜遙感影像分類(lèi)探討[J]. 陸海霞,何江,劉立.  科技創(chuàng)新與應(yīng)用. 2019(11)
[5]基于三支隊(duì)列的實(shí)時(shí)云任務(wù)節(jié)能調(diào)度算法[J]. 姜春茂,王凱旋.  鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2019(02)
[6]一種基于PS-粗糙集的動(dòng)態(tài)三支決策算法[J]. 張春英,喬鵬,王立亞,秦豪,劉璐,唐虎.  鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2019(02)
[7]延遲代價(jià)雙量化三支決策[J]. 徐健鋒,苗奪謙,張遠(yuǎn)健.  小型微型計(jì)算機(jī)系統(tǒng). 2019(02)
[8]基于鄰域粗糙集的快速屬性約簡(jiǎn)算法[J]. 高陽(yáng),劉遵仁,彭瀟然,林芷欣.  青島大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[9]負(fù)載敏感的云任務(wù)三支聚類(lèi)評(píng)分調(diào)度研究[J]. 吳俊偉,姜春茂.  智能系統(tǒng)學(xué)報(bào). 2019(02)
[10]基于聚類(lèi)思想的加權(quán)條件熵及屬性約簡(jiǎn)[J]. 范會(huì)濤,馮濤.  鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2018(01)



本文編號(hào)：3609919