變精度粗糙集分類算法的研究與應用.pdf_第1頁
已閱讀1頁,還剩42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、粗糙集理論是一種處理不精確、不一致與不完全數據的數學工具,它能夠從數據集中直接提取規(guī)則,方便人們從龐大復雜的數據集中提取出隱含于其中的規(guī)律。應用粗糙集的方法,可以快速有效的提取出大數據中隱含的特征。但是粗糙集能夠執(zhí)行一個完整的分類要求,需要在無信息丟失的情況下進行屬性集合的約簡,抗噪性能較差。而在現實決策獲取中,信息系統(tǒng)的數據存在模糊性、不完整性以及噪聲,分類與控制程度的不確定性無法滿足粗糙集的要求。為了解決這些問題,引入了變精度粗糙集

2、模型。它是經典粗糙集模型重要的改進方法之一,顯示了數據集中存在的一定的誤分類數據的魯棒性和數據噪聲,通過引入包含度的概念設定邊界閾值,放松了經典粗糙集對于正區(qū)域選取的嚴格程度,大大減少了樣本空間的維數,一定程度上降低了算法的計算復雜性。支持向量機是一種學術界和工業(yè)界廣泛使用的分類方法。它使用非線性映射的方法將原始數據映射到高維空間,并在該空間內搜索最大邊緣超平面,能夠最小化結構風險,具有很好的泛化性能。
  本文深入研究了變精度粗

3、糙集關于邊界閾值?的選取問題,進一步改善變精度粗糙集模型的容錯性能,并且應用于醫(yī)學圖像的特征選擇,使其在一定程度上提高樣本分類的準確率和降低算法的時間復雜度,最后應用支持向量機對篩選后的特征集進行分類。本文主要工作和創(chuàng)新點如下:
  1.提出了一種基于變精度粗糙集的邊界閾值選取?的新方法。首先提出平均包含度的概念,將平均包含度作為選取上下近似集的閾值,能夠根據不同類型的數據集生成最優(yōu)變精度閾值,將邊界域中信息量較大的條件屬性歸入正

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