本文關鍵詞：基于模糊粗糙集屬性約簡方法的研究

  更多相關文章： 屬性約簡 模糊粗糙集 模糊相似關系 模糊依賴度

【摘要】：屬性約簡是一種有效的處理高維數(shù)據(jù)的方法,它能夠刪除數(shù)據(jù)中的冗余特征,保持系統(tǒng)的分類能力不變。通過屬性約簡可以獲取數(shù)據(jù)中的有用信息,使得知識處理過程更加簡化。模糊粗糙集模型是一種重要的屬性約簡方法之一,它被廣泛應用于模式識別和機器學習中。本文基于模糊粗糙集理論構造了四種屬性約簡的模型。1.距離測度的模糊粗糙集模型,首先將距離測度引入模糊粗糙集,并且給出一類基于距離測度的模糊相似關系。然后運用固定的距離參數(shù)構造了模糊粗糙集模型。在高維度的特征空間中,由于不變的距離參數(shù)可能導致不同模糊相似關系隸屬度的區(qū)分度降低。為了解決這個問題,用可變的距離參數(shù)代不變的距離參數(shù),構造了非單調(diào)的模糊依賴度函數(shù),給出了計算依賴度和屬性重要度的迭代公式,并證明了迭代計算公式的收斂性。最后,通過此迭代模型構造了屬性約簡的前向貪心算法。2.模糊鄰域粗糙集模型,首先通過模糊鄰域的概念定義樣本的模糊決策,然后引入?yún)?shù)化的模糊信息粒來近似地刻畫模糊決策,定義了模糊決策和模糊鄰域之間的依賴函數(shù),從而構造了一種新的屬性約簡模型:模糊鄰域粗糙集模型�；诖四Ｐ徒o出了上下近似集合、邊界域及正域的概念,并討論了特征子集以及參數(shù)對它們的影響。為了使新的模型容忍數(shù)據(jù)噪聲的影響,將此模型推廣到了變精度的鄰域粗糙集模型,該模型可降低樣本被錯誤分類的可能性。最后定義了模糊決策和條件屬性之間的變精度依賴度函數(shù),通過此依賴函數(shù)來評估屬性的重要性,從而構造了屬性約簡的算法。3.擬合模糊粗糙集模型,首先通過模糊鄰域的概念定義樣本的模糊決策,引入?yún)?shù)化的模糊相似關系進行數(shù)據(jù)聚類,形成模糊信息粒。基于模糊決策隸屬度最大原理重新定義了樣本的上下近似集合的概念,得到了一種新的模糊粗糙集模型--擬合模糊粗糙集模型。該模型可以很好的擬合數(shù)據(jù),確保樣本屬于本類的隸屬度最大,從而效地避免樣本的錯誤分類。最后定義了模糊決策和條件屬性之間的依賴函數(shù),通過此函數(shù)來評估屬性的重要性,從而構造了屬性約簡的算法。4.離散空間上的模糊粗糙集模型,首先引入?yún)?shù)化的相似性測度來刻畫離散空間中樣本間的相似性,進而給出了決策的模糊上、下近似集合、正域以及決策屬性和條件屬性之間的依賴函數(shù)等概念,并討論了參數(shù)對它們的影響。從而構造了基于離散樣本的模糊粗糙集模型。在高維度的特征空間中,由于相似性測度中的不變參數(shù)可能導致不同模糊相似關系隸屬度的區(qū)分度降低。因而采用一個遞增序列的漸進值作為參數(shù)的值,進一步得出了計算模糊依賴度和屬性重要度的迭代公式,并證明了迭代計算公式的收斂性。最后,基于迭代公式構造了屬性約簡算法。同時,利用UCI數(shù)據(jù)集分別將以上的算法與一些經(jīng)典的算法進行了比較,從而證明了以上算法的有效性和可行性。
【關鍵詞】：屬性約簡 模糊粗糙集 模糊相似關系 模糊依賴度
【學位授予單位】：渤海大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;O159
【目錄】：

• 摘要4-6
• abstract6-12
• 1 緒論12-17
• 1.1 引言12
• 1.2 屬性約簡算法的研究概況12-14
• 1.3 本文的組織結(jié)構14-17
• 2 基礎知識17-20
• 2.1 經(jīng)典粗糙集的基本概念17-18
• 2.2 模糊粗糙集的基本概念18-20
• 3 距離測度的模糊粗糙集模型20-33
• 3.1 不變距離參數(shù)的模型20-24
• 3.1.1 不變參數(shù)的模糊依賴度20-23
• 3.1.2 K階模糊依賴度23-24
• 3.2 基于可變距離參數(shù)的模型24-28
• 3.2.1 非單調(diào)模糊依賴度的迭代計算24-27
• 3.2.2 基于非單調(diào)的模糊依賴度的算法27-28
• 3.3 實驗分析28-32
• 3.4 本章小結(jié)32-33
• 4 模糊鄰域粗糙集模型33-48
• 4.1 模糊鄰域粗糙集模型33-39
• 4.1.1 模糊決策的依賴度函數(shù)及其性質(zhì)33-37
• 4.1.2 變精度模糊鄰域粗糙集模型37-39
• 4.2 基于模糊鄰域粗糙集的屬性約簡39-41
• 4.2.1 屬性重要度的定義40
• 4.2.2 算法設計40-41
• 4.3 實驗分析41-47
• 4.4 本章小結(jié)47-48
• 5 模糊粗糙集擬合模型48-65
• 5.1 模糊粗糙集擬合模型48-54
• 5.1.1 經(jīng)典模糊粗糙集的數(shù)據(jù)擬合分析48-51
• 5.1.2 擬合模糊粗糙集的依賴度及其性質(zhì)51-54
• 5.2 基于擬合模糊粗糙集屬性約簡54-55
• 5.2.1 屬性重要度的定義54
• 5.2.2 算法設計54-55
• 5.3 實驗分析55-64
• 5.4 本章小結(jié)64-65
• 6 離散空間中的模糊粗糙集模型65-82
• 6.1 離散樣本的模糊粗糙集模型65-68
• 6.1.1 離散空間中樣本模糊相似性的刻畫65-66
• 6.1.2 離散空間中模糊依賴度及其性質(zhì)66-68
• 6.2 基于離散樣本的模糊粗糙集屬性約簡算法68-72
• 6.2.1 模糊依賴度的迭代計算69-71
• 6.2.2 算法設計71-72
• 6.3 實驗分析72-81
• 6.4 本章小結(jié)81-82
• 結(jié)論與展望82-83
• 參考文獻83-91
• 發(fā)表論文情況91-92
• 致謝92-93

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張誠一,周厚勇;關于模糊粗糙集的一個注記[J];蘭州大學學報;2005年04期

2 姚紅霞;;模糊粗糙集理論介紹和研究綜述[J];重慶工學院學報;2006年08期

3 任志波;張滄生;;可變精度模糊粗糙集模型及其性質(zhì)[J];數(shù)學的實踐與認識;2009年04期

4 魯小云;楊勇;;單向S-模糊粗糙集及其應用[J];山東大學學報(理學版);2011年08期

5 徐蘇平;楊習貝;范霽月;錢林峰;馬健;;基于測試代價敏感的多粒度模糊粗糙集模型[J];電子設計工程;2014年07期

6 孔平,張振良;模糊粗糙集的擴張定理[J];昆明理工大學學報(理工版);2003年06期

7 王艷平,王志強,佟紹成;模糊粗糙集與模糊粗糙邏輯算子[J];大連海事大學學報;2005年02期

8 黃正華;胡寶清;;模糊粗糙集理論研究進展[J];模糊系統(tǒng)與數(shù)學;2005年04期

9 李紅杰;殷允強;張振良;;模糊粗糙集的一些性質(zhì)[J];紅河學院學報;2005年06期

10 王基一;林仁炳;;模糊粗糙集粗糙熵的修正[J];浙江師范大學學報(自然科學版);2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 黃春娥;張振良;;基于截集的變精度模糊粗糙集模型[A];第12屆全國模糊系統(tǒng)與模糊數(shù)學學術年會論文集[C];2004年

2 王全杰;蘇曉慶;;基于云理論與模糊粗糙集理論的不確定知識表達[A];山東省測繪學術年會論文集[C];2006年

3 馬翠;劉瓊蓀;趙娟;;一種改進的模糊粗糙集相似度量[A];第五屆中國不確定系統(tǒng)年會論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 安爽;穩(wěn)健模糊粗糙集模型研究[D];哈爾濱工業(yè)大學;2011年

2 吳正江;L模糊粗糙集研究[D];西南交通大學;2009年

3 曲衍鵬;模糊分類新方法及應用[D];大連理工大學;2012年

4 邵迎超;軟集合的代數(shù)結(jié)構及其應用研究[D];西南交通大學;2013年

5 黃正華;模糊粗糙集模型的若干拓展[D];武漢大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 費軼楠;數(shù)據(jù)分布引導的模糊粗糙近鄰分類算法[D];大連海事大學;2015年

2 張艷;模糊粗糙回歸算法及其應用[D];山西大學;2015年

3 宋晶晶;粒計算理論中層次結(jié)構的分析與應用研究[D];江蘇科技大學;2015年

4 喬沖宇;基于模糊粗糙集的火災監(jiān)測系統(tǒng)研究[D];蘭州交通大學;2015年

5 韓曉冰;模糊粗糙集的推廣及其應用[D];遼寧工業(yè)大學;2016年

6 齊媛媛;基于鄰域和模糊粗糙集的屬性約簡研究[D];渤海大學;2016年

7 齊亞麗;基于模糊粗糙集屬性約簡方法的研究[D];渤海大學;2016年

8 楊文霞;模糊粗糙集的度量及應用[D];華北電力大學（北京）;2009年

9 張月童;變精度模糊粗糙集理論與應用研究[D];哈爾濱工程大學;2008年

10 姚燕青;廣義模糊粗糙集模型及其應用研究[D];河北師范大學;2010年

，

本文編號：919031