基于粗糙集屬性約簡(jiǎn)的分類(lèi)算法研究與應(yīng)用.pdf

1、數(shù)據(jù)分類(lèi)是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要課題，目的在于根據(jù)數(shù)據(jù)集的特點(diǎn)產(chǎn)生一個(gè)分類(lèi)模型，把數(shù)據(jù)庫(kù)中未標(biāo)記的數(shù)據(jù)映射到給定的具體類(lèi)別中的某一個(gè)。分類(lèi)的技術(shù)主要有兩類(lèi)，一類(lèi)是基于傳統(tǒng)技術(shù)，只適合處理確定性的問(wèn)題;另一類(lèi)是基于軟計(jì)算技術(shù)，可以靈活處理不確定性，不完整性以及非均勻性的數(shù)據(jù)。粗糙集是軟計(jì)算方法中處理不確定性數(shù)據(jù)的數(shù)學(xué)工具。粗糙集是在不影響分類(lèi)能力的情況下，通過(guò)屬性約簡(jiǎn)的方式刪除知識(shí)庫(kù)中的冗余信息來(lái)導(dǎo)出問(wèn)題的決策或分類(lèi)規(guī)則。
　　屬性

2、約簡(jiǎn)問(wèn)題是粗糙集理論研究的主要內(nèi)容之一，已經(jīng)被證明為NP-hard問(wèn)題。常用的屬性約簡(jiǎn)算法包括基于差別矩陣的基礎(chǔ)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(jīng)典的屬性約簡(jiǎn)算法并分析了各自的優(yōu)缺點(diǎn)，然后將粗糙集的最小屬性約簡(jiǎn)問(wèn)題和組合優(yōu)化中的最小集合覆蓋問(wèn)題聯(lián)系起來(lái)。先分析證明了屬性約簡(jiǎn)問(wèn)題和集合覆蓋問(wèn)題的等價(jià)性，在此基礎(chǔ)上提出了一種基于改進(jìn)的相關(guān)矩陣的屬性約簡(jiǎn)算法，即先對(duì)決策表進(jìn)行簡(jiǎn)化，然后對(duì)相關(guān)矩陣進(jìn)行預(yù)處理，這樣有效的避免

3、了空元素和重復(fù)元素的存在，經(jīng)處理后的相關(guān)矩陣比傳統(tǒng)相關(guān)矩陣更簡(jiǎn)單，在其基礎(chǔ)上實(shí)現(xiàn)了最小屬性約簡(jiǎn)算法，能夠快速求出決策表的最小屬性約簡(jiǎn)并且節(jié)省了存儲(chǔ)空間。理論分析和實(shí)驗(yàn)表明，基于改進(jìn)的相關(guān)矩陣的屬性約簡(jiǎn)算法可減小屬性約簡(jiǎn)的搜索空間，提高約簡(jiǎn)的效率。
　　由于粗糙集對(duì)噪音敏感，在噪聲大的環(huán)境中存在分類(lèi)不精確的問(wèn)題，需要與其他軟計(jì)算理論和方法相結(jié)合。使用神經(jīng)網(wǎng)絡(luò)分類(lèi)時(shí)，如果文本特征維數(shù)過(guò)高就容易導(dǎo)致神經(jīng)網(wǎng)絡(luò)不易收斂，文本分類(lèi)精度低，學(xué)習(xí)

4、時(shí)間太長(zhǎng)。所以本文在文本分類(lèi)中將粗糙集理論和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，提出了新的分類(lèi)模型，即粗糙集-神經(jīng)網(wǎng)絡(luò)分類(lèi)模型，把粗糙集的屬性約簡(jiǎn)作為神經(jīng)網(wǎng)絡(luò)的前端，將經(jīng)過(guò)特征選擇的向量空間模型轉(zhuǎn)化為決策表并離散化，然后對(duì)其進(jìn)行屬性約簡(jiǎn)，以便降低特征空間的維數(shù)，縮短神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練時(shí)間，提高分類(lèi)的精度。最后用該模型對(duì)復(fù)旦大學(xué)李榮陸提供的中文分類(lèi)語(yǔ)料庫(kù)進(jìn)行了文本分類(lèi)，實(shí)驗(yàn)結(jié)果表明，該分類(lèi)模型有更高的分類(lèi)準(zhǔn)確率、召回率和F1值。
　　最后，結(jié)合北京