2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56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(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、粗糙集理論(Rough Set Theory)是波蘭數(shù)學家Z.Pawlak于1982年提出的一種處理模糊、不確定數(shù)據(jù)的軟計算方法,是目前國際上人工智能理論及其應用領域中的重要研究熱點之一。由于粗糙集理論方法獨特、思想新穎,在提出的三十余年里面,吸引了大量研究人員對其進行研究,并成功的衍生出模糊粗糙集、優(yōu)勢關系粗糙集、決策理論粗糙集、變精度粗糙集等多種適用于處理復雜類型數(shù)據(jù)的粗糙計算模型。這些模型已成功應用于機器學習、模式識別、決策支持、

2、過程控制、數(shù)據(jù)庫知識發(fā)現(xiàn)、專家系統(tǒng)等研究領域。
   基于粗糙集的特征選擇(屬性約簡)是粗糙集理論研究的核心內(nèi)容之一,主要是在保持原始數(shù)據(jù)的屬性區(qū)分能力不變的前提下,選擇具有最小特征(屬性)數(shù)的特征子集,達到消除無關和冗余特征,提高知識發(fā)現(xiàn)效率,改善分類器性能的目的。隨著目前大量高維海量復雜數(shù)據(jù)的出現(xiàn),這種解決問題的思路對于處理具有高價值總量、低價值密度、含有大量冗余屬性的大數(shù)據(jù)研究具有重要的意義。
   本文跟蹤國際學

3、術前沿,對基于粗糙集理論的屬性約簡進行整理分析,在借鑒Page Rank算法思路的基礎上,提出了通過對屬性進行“全局性”重要度排序,進而構(gòu)造一種新的屬性約簡算法。另外,總結(jié)已有粗糙集特征選擇的部分方法及數(shù)據(jù)集的預處理方法,設計了包含粗糙集特征選擇與數(shù)據(jù)集預處理方法的RSLibrary類庫,在類庫的基礎上設計了粗糙集特征選擇系統(tǒng)。本文主要工作如下:
   (1)啟發(fā)式屬性約簡算法的分析與比較。對經(jīng)典的啟發(fā)式屬性約簡算法、啟發(fā)式約簡

4、加速算法、啟發(fā)式約簡雙向約簡加速算法分別進行了具體的分析和比較。
   (2)提出一種基于“全局性”屬性重要度排序的特征選擇算法。將粗糙集理論與Page Rank算法結(jié)合,借鑒其投票機制,提出了屬性排序算法(Attribute Rank),進而設計了基于屬性排序的特征選擇算法。在處理海量數(shù)據(jù)時,該算法的并行版本能夠在可接受時間內(nèi)得出結(jié)果。
   (3)設計了基于粗糙集的特征選擇系統(tǒng)。針對在粗糙集學習中,做實驗時,需要編寫

5、大量重復性代碼、檢驗編碼正確性、對比實驗結(jié)果、對數(shù)據(jù)集進行大量預處理等工作,設計了包含常見粗糙集屬性方法與數(shù)據(jù)集預處理的粗糙集類庫。在此類庫的基礎上開發(fā)了基于粗糙集的特征選擇系統(tǒng)。
   最后,將本文內(nèi)容進行總結(jié),說明了針對該類問題可以深入研究的方向。這些研究內(nèi)容,探索了將屬性約簡并行化的方法,為大數(shù)據(jù)的數(shù)據(jù)挖掘提供有價值的參考。同時,進一步豐富了基于粗糙集的數(shù)據(jù)挖掘算法,為發(fā)展高效的數(shù)據(jù)挖掘方法提供一定的借鑒和指導,借此進一步

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(nèi)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(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)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