基于決策粗糙集模型的多類代價敏感學習研究.pdf_第1頁
已閱讀1頁,還剩76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、近年來,隨著計算機和互聯(lián)網(wǎng)技術的發(fā)展與普及,產(chǎn)生的海量數(shù)據(jù)信息除了在規(guī)模上、復雜性上和過去的信息有很大不同之外,還存在著一定的不確定性和模糊性。決策粗糙集模型作為一種處理不精確、不確定性問題的方法,通過引入貝葉斯決策過程,給出了根據(jù)損失函數(shù)矩陣計算決策閾值的系統(tǒng)化方法,進而得到基于粗糙集三個區(qū)域的三支決策框架,很好的解決了用戶在信息不足時如何做出合理決策的問題?,F(xiàn)有的很多工作都是基于經(jīng)典二類決策粗糙集模型展開的,對于多分類問題,大多是將

2、其轉化為多個二分類問題進而用二類決策粗糙集分類方法進行處理,這既要求用戶提供更多的損失函數(shù),又降低了計算的效率。鑒于此,本文將決策粗糙集與代價敏感學習相結合,提出了一種多類決策粗糙集模型,并以此模型為基礎對代價敏感學習進行了研究,主要包括如下的研究內容:
  第一,決策粗糙集在分類模型上的擴展。損失函數(shù)矩陣在決策粗糙集中具有重要作用,在二分類問題中,可以很容易的根據(jù)損失函數(shù)矩陣計算出決策閾值。本文從語義角度出發(fā),以損失函數(shù)為研究對

3、象,將決策粗糙集與代價敏感學習相結合,利用經(jīng)典代價敏感學習提供的多類問題代價矩陣推導出多類情況下的損失函數(shù)值,進而提出多類決策粗糙集模型,并基于此模型設計代價敏感三支決策分類算法,通過對比實驗結果分析說明了所提算法在處理多類代價敏感問題中的有效性。
  第二,基于多類決策粗糙集模型的多階段代價敏感學習方法。決策粗糙集的分類方法輸出的是三支決策結果,只有劃分到正域的對象才能以高置信度確定其類標,而劃分到邊界域的對象因信息不足而做出延

4、遲決策,劃分到負域中的對象因置信度不高而做出拒絕決策,即這兩個區(qū)域中的對象在三支決策結果中都未給定具體類標。針對此問題,本文提出了基于多類決策粗糙集模型的多階段代價敏感學習方法,通過多個階段的分類過程以最終消除邊界域和負域,將三支決策分類轉化為二支決策分類。實驗結果表明了所提算法具有較好的分類性能。
  第三,基于多類決策粗糙集模型的文本分類。文本分類是近年來的研究熱點,本文以搜狗中文文本為語料庫,使用基于多類決策粗糙集模型的多階

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(lián)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(wǎng)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(jīng)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(xiàn)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(lián)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