基于粗糙集的知識約簡算法研究及應用.pdf_第1頁
已閱讀1頁,還剩78頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、研究如何從大量的數據中智能地抽取出有價值的知識和信息,已成為當前人工智能研究中非?;钴S的研究領域。目前,知識發(fā)現面臨著不能有效地處理不完備、不確定性數據以及知識的可解釋性比較差的問題。而作為集合論的擴展,粗糙集理論是一種新的軟計算方法,可以有效處理模糊的、不確定性知識。它不需要先驗知識和外界參數,近年來已經被成功地應用于人工智能、數據挖掘、模式識別等諸多領域。因此,研究基于粗糙集的知識發(fā)現方法具有十分重要的意義。
   本文對粗

2、糙集的基本理論和概念進行了分析和研究,在這些基本理論的框架下,主要做了以下幾個方面的研究:
   (1)粗糙集屬性離散化
   粗糙集的屬性離散化要求:離散化結果要保持決策系統(tǒng)的不可分辨關系,以此來確保系統(tǒng)的分類能力不變;求得最小數目的斷點集。針對這兩點要求,本文首先介紹目前文獻中已有的一些連續(xù)屬性離散化的算法,并對其進行研究與分析,得出這些算法在上述兩方面或其他方面的不足;然后,針對這些不足,提出了基于改進遺傳算法的數

3、據離散化算法;最后通過實例驗證,該算法具有較好的離散化效果。
   (2)粗糙集屬性約簡
   針對傳統(tǒng)的料糙集屬性約簡算法效率不高,速度不快的問題,本文提出基于條件信息熵和相關系數的屬性約簡算法,把決策表的非核屬性約簡過程轉化為相關系數的運算,能減少對決策表的掃描次數,降低算法時間復雜度,降低算法冗余,提高屬性約簡的效率。并利用k-fold輪換對比方法計算相關系數,較大幅度的減少了計算量,同時能得到次優(yōu)屬性約簡結果。文

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論