維度災(zāi)難是機器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)常見的挑戰(zhàn)之一,屬性約簡作為特征選擇的一種技術(shù),盡可能選擇一個最小的屬性子集來精確的描述學(xué)習(xí)數(shù)據(jù)。現(xiàn)存的屬性約簡算法存在的問題可以總結(jié)如下:（1）屬性約簡算法往往選擇出的局部最優(yōu)解是不穩(wěn)定的,這種不穩(wěn)定往往會帶來歧義;（2）屬性準(zhǔn)則的評價機制目前還不夠完善;（3）數(shù)據(jù)的內(nèi)在結(jié)構(gòu)以及屬性與標(biāo)簽之間的聯(lián)系研究還不夠充分。鑒于此,本文分別從集成屬性重要度方法、多準(zhǔn)則策略、基于局部視角的屬性評價機制來優(yōu)化屬性約簡算法。本文的研究內(nèi)容和創(chuàng)新性成果主要在于:（1）首先提出了一種基于集成屬性重要度的啟發(fā)式算法框架。利用鄰域粗糙集方法,實驗結(jié)果表明,該集成算法不僅能夠獲取更加穩(wěn)定的約簡,而且比傳統(tǒng)算法時間消耗要低;（2）借助集成學(xué)習(xí)中的聯(lián)合分布矩陣,設(shè)計出新的屬性評價準(zhǔn)則分類一致性。進一步地,提出了將分類一致性與分類精度的調(diào)和平均作為新的屬性準(zhǔn)則評價機制。實驗結(jié)果表明,基于多準(zhǔn)則的屬性約簡方法在求解屬性子集時,保證追求提升分類不一致性的同時,也不會降低分類性能,更重要的是,考慮多準(zhǔn)則的屬性約簡可以提升約簡結(jié)果的穩(wěn)定性能;（3）提出了一種局部視角的代價敏感屬性約簡方法。它... 

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 .研究背景與意義
    1.2 .國內(nèi)外研究現(xiàn)狀
    1.3 .研究內(nèi)容與組織結(jié)構(gòu)
第2章 粗糙集理論概述
    2.1 .Pawlak經(jīng)典粗糙集
        2.1.1 .知識表示與粗糙近似集
        2.1.2 .粗糙近似集與近似集的度量
    2.2 .模糊粗糙集
        2.2.1 .模糊集
        2.2.2 .模糊粗糙集模型
        2.2.3 .近似質(zhì)量與條件熵
    2.3 .模糊決策理論粗糙集
        2.3.1 .模糊決策理論粗糙集模型
        2.3.2 .決策代價
    2.4 .本章小結(jié)
第3章 屬性約簡
    3.1 .屬性約簡基本概念
    3.2 .屬性約簡求解方法
        3.2.1 .評價準(zhǔn)則
        3.2.2 .求解約簡的方法
    3.3 .屬性約簡的穩(wěn)定性
        3.3.1 .穩(wěn)定性的基本概念
        3.3.2 .穩(wěn)定性的度量方法
    3.4 .本章小結(jié)
第4章 集成屬性重要度的屬性約簡方法
    4.1 .研究背景
    4.2 .基于多重聚類的集成策略
    4.3 .性能分析
        4.3.1 .參數(shù)設(shè)置與數(shù)據(jù)集
        4.3.2 .時間消耗對比
        4.3.3 .約簡子集的穩(wěn)定性對比
        4.3.4 .屬性排序的穩(wěn)定性對比
    4.4 .本章小結(jié)
第5章 基于多準(zhǔn)則策略的屬性約簡方法
    5.1 .研究背景
    5.2 .鄰域決策錯誤率屬性約簡
        5.2.1 .鄰域分類器
        5.2.2 .鄰域決策錯誤率
    5.3 .基于多準(zhǔn)則的屬性約簡
        5.3.1 .鄰域決策一致性
        5.3.2 .多準(zhǔn)則屬性約簡
    5.4 .實驗分析
        5.4.0. 數(shù)據(jù)集與參數(shù)設(shè)置
        5.4.1 .分類精度對比
        5.4.2 .分類結(jié)果一致性對比
        5.4.3 .約簡結(jié)果穩(wěn)定性對比
    5.5 .本章小結(jié)
第6章 基于局部視角的代價敏感屬性約簡
    6.1 .研究背景
    6.2 .基于局部視角的屬性約簡
        6.2.1 .代價敏感屬性約簡
        6.2.2 .問題描述
        6.2.3 .基于局部視角的屬性評價機制
    6.3 .性能分析
        6.3.1 .數(shù)據(jù)集與參數(shù)設(shè)置
        6.3.2 .全局決策代價變化的對比
        6.3.3 .局部決策代價變化的對比
    6.4 .本章小結(jié)
結(jié)論與展望
參考文獻
攻讀碩士學(xué)位期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]特征選擇穩(wěn)定性研究綜述[J]. 劉藝,曹建軍,刁興春,周星.  軟件學(xué)報. 2018(09)
[2]An Incremental Algorithm to Feature Selection in Decision Systems with the Variation of Feature Set[J]. QIAN Wenbin,SHU Wenhao,YANG Bingru,ZHANG Changsheng.  Chinese Journal of Electronics. 2015(01)
[3]基于鄰域粗糙集的多標(biāo)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)
[4]決策粗糙集的一種新分類區(qū)域及相關(guān)比較分析[J]. 張賢勇,苗奪謙.  系統(tǒng)工程理論與實踐. 2014(12)
[5]基于差異性的分類器集成:有效性分析及優(yōu)化集成[J]. 楊春,殷緒成,郝紅衛(wèi),閆琰,王志彬.  自動化學(xué)報. 2014(04)
[6]基于樣例選取的屬性約簡算法[J]. 王熙照,王婷婷,翟俊海.  計算機研究與發(fā)展. 2012(11)
[7]基于粗糙集的屬性約簡方法研究綜述[J]. 楊傳健,葛浩,汪志圣.  計算機應(yīng)用研究. 2012(01)
[8]決策風(fēng)險最小化屬性約簡[J]. 賈修一,商琳,陳家駿.  計算機科學(xué)與探索. 2011(02)
[9]粗糙集理論與應(yīng)用研究綜述[J]. 王國胤,姚一豫,于洪.  計算機學(xué)報. 2009(07)
[10]基于鄰域粒化和粗糙逼近的數(shù)值屬性約簡[J]. 胡清華,于達仁,謝宗霞.  軟件學(xué)報. 2008(03)

碩士論文
[1]穩(wěn)定的特征選擇算法研究[D]. 黃莎莎.南京郵電大學(xué) 2014



本文編號：3660406