基于粗糙集屬性約簡的分類算法研究與應用.pdf

1、數據分類是數據挖掘領域的一個重要課題，目的在于根據數據集的特點產生一個分類模型，把數據庫中未標記的數據映射到給定的具體類別中的某一個。分類的技術主要有兩類，一類是基于傳統(tǒng)技術，只適合處理確定性的問題;另一類是基于軟計算技術，可以靈活處理不確定性，不完整性以及非均勻性的數據。粗糙集是軟計算方法中處理不確定性數據的數學工具。粗糙集是在不影響分類能力的情況下，通過屬性約簡的方式刪除知識庫中的冗余信息來導出問題的決策或分類規(guī)則。
　　屬性

2、約簡問題是粗糙集理論研究的主要內容之一，已經被證明為NP-hard問題。常用的屬性約簡算法包括基于差別矩陣的基礎算法和基于某種屬性重要度的啟發(fā)式算法等。本文首先介紹了經典的屬性約簡算法并分析了各自的優(yōu)缺點，然后將粗糙集的最小屬性約簡問題和組合優(yōu)化中的最小集合覆蓋問題聯系起來。先分析證明了屬性約簡問題和集合覆蓋問題的等價性，在此基礎上提出了一種基于改進的相關矩陣的屬性約簡算法，即先對決策表進行簡化，然后對相關矩陣進行預處理，這樣有效的避免

3、了空元素和重復元素的存在，經處理后的相關矩陣比傳統(tǒng)相關矩陣更簡單，在其基礎上實現了最小屬性約簡算法，能夠快速求出決策表的最小屬性約簡并且節(jié)省了存儲空間。理論分析和實驗表明，基于改進的相關矩陣的屬性約簡算法可減小屬性約簡的搜索空間，提高約簡的效率。
　　由于粗糙集對噪音敏感，在噪聲大的環(huán)境中存在分類不精確的問題，需要與其他軟計算理論和方法相結合。使用神經網絡分類時，如果文本特征維數過高就容易導致神經網絡不易收斂，文本分類精度低，學習

4、時間太長。所以本文在文本分類中將粗糙集理論和神經網絡結合起來，提出了新的分類模型，即粗糙集-神經網絡分類模型，把粗糙集的屬性約簡作為神經網絡的前端，將經過特征選擇的向量空間模型轉化為決策表并離散化，然后對其進行屬性約簡，以便降低特征空間的維數，縮短神經網絡的學習和訓練時間，提高分類的精度。最后用該模型對復旦大學李榮陸提供的中文分類語料庫進行了文本分類，實驗結果表明，該分類模型有更高的分類準確率、召回率和F1值。
　　最后，結合北京