面向動態(tài)不完備數據的特征選擇模型與算法研究.pdf

1、隨著計算機與網絡信息技術的快速發(fā)展，數據的數量和規(guī)模呈現出空前的增長速度，為我們帶來了一個數據膨脹、信息爆炸時代。一方面，現有數據從TB級向PB的急劇增長使得數據在規(guī)模上已超于人類分析和獲取知識的能力。另一方面，數據量的爆炸式增長使傳統(tǒng)的知識獲取方法顯得束手無策，但是不斷豐富的數據蘊含信息給人們帶來了更多有價值的知識。如何對現實領域中的海量高維數據進行有效的預處理，從而挖掘出潛在有用的知識，已成為當前數據挖掘、計算智能和機器學習的重要研

2、究課題之一。
　　特征選擇是數據挖掘中一個重要數據預處理技術。面臨著現實中許多復雜環(huán)境下數據往往呈現的動態(tài)性、不完備性和不精確性等特征，如何高效可行地對數據進行特征選擇，是目前特征選擇研究面臨的巨大挑戰(zhàn)問題之一。作為一種刻畫不確定性和不精確信息的數學工具，粗糙集理論已被廣泛應用到數據挖掘、知識發(fā)現和機器學習等領域中，該理論最大的優(yōu)勢是不依賴給定數據集之外的任何先驗信息來處理問題，對問題的描述和處理更加客觀。因此，利用粗糙集理論方法

3、研究面向動態(tài)不完備數據的特征選擇有著重要的理論和現實意義。
　　本文在動態(tài)不完備數據的現實背景下，在如何快速、有效地獲取特征子集結果進而獲取動態(tài)知識這一實際需求的驅動下，在基于粗糙集理論的特征選擇框架下，以增量式更新策略為研究方法，以不完備數據集發(fā)生動態(tài)變化的三種不同情景為主線，系統(tǒng)地研究了動態(tài)不完備數據集下特征子集的增量式更新問題，研究目的以增量式方法為動態(tài)不完備數據的特征選擇探索有效的途徑，為動態(tài)數據的知識發(fā)現探尋新的理論依據

4、和實現方法。為此，本文以粗糙集理論為研究工具，針對動態(tài)不完備數據進行系統(tǒng)的特征選擇研究，取得的主要研究成果如下。
　　1)提出不完備數據集中對象集發(fā)生增加和刪除時正區(qū)域的增量式更新機制，在正區(qū)域更新機制的基礎上，定義特征重要度的度量函數，并設計對象集隨時間變化時基于正區(qū)域的增量式特征選擇算法。相關實驗結果驗證了提出算法的高效性和可行性。（第二章）
　　2)針對不完備數據集中特征集發(fā)生增加和刪除情況，通過分析不完備數據集中容差

5、粒度的變化，分別建立特征集增加和刪除下正區(qū)域的增量式更新機制，并依此分別設計了特征集增加和刪除時的增量式特征選擇算法。理論分析和相關實驗結果都驗證了提出算法的高效性和有效性。（第三章）
　　3)提出不完備數據集中特征值發(fā)生動態(tài)變化時正區(qū)域的增量式更新機制，在此基礎上，并設計了特征值隨時間變化時增量式特征選擇算法。特別是當多個對象的特征值發(fā)生動態(tài)變化時，提出算法可一次性求得特征子集結果，無需重復執(zhí)行單個對象特征值變化時的增量式特征選

6、擇算法來求解特征子集。理論分析和相關實驗結果都驗證了提出算法的高效性和有效性。（第四章）
　　4)針對不完備數據集中單一特征評估函數在現有特征選擇算法中面臨的缺點，結合粒度度量準則，從不同角度出發(fā)，提出一種基于混合特征評估函數來度量候選特征的區(qū)分能力，并設計基于貪心向前搜索的特征選擇算法。同時，針對代價敏感的不完備數據集，以混合度量的視角為出發(fā)點，提出一種混合評估函數來度量特征子集的質量。在此基礎上，為進一步加快特征選擇進程，提出