基于GEP和RS的大數(shù)據(jù)集分類(lèi)模型研究.pdf

1、分類(lèi)作為數(shù)據(jù)分析形式的一種，它可以從大量的數(shù)據(jù)中提取描述所有對(duì)象的模型。由于分類(lèi)是利用已知的模型對(duì)新的數(shù)據(jù)進(jìn)行預(yù)測(cè)，因此它是一個(gè)很好的有監(jiān)督的學(xué)習(xí)過(guò)程。一個(gè)好的分類(lèi)規(guī)則能夠讓我們更好的認(rèn)識(shí)這個(gè)類(lèi)，同時(shí)有效的利用類(lèi)中的這些數(shù)據(jù)。
　　分類(lèi)是數(shù)據(jù)挖掘中最重要的任務(wù)，它通過(guò)分析已知數(shù)據(jù)提取分類(lèi)模型，然后使用該分類(lèi)模型將接下來(lái)要分類(lèi)的數(shù)據(jù)一一映射到指定的分類(lèi)規(guī)則當(dāng)中。分類(lèi)已經(jīng)被廣泛的應(yīng)用到機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、性能等方面的預(yù)測(cè)。實(shí)際上分類(lèi)的

2、訓(xùn)練集大多是連續(xù)的、有噪音的、不完整的，這往往會(huì)影響分類(lèi)的精度。為了提高分類(lèi)的精度，本文首先采用臨界值等寬區(qū)間離散法將連續(xù)數(shù)據(jù)離散化，然后利用粗糙集這一能夠?qū)Σ煌暾?、冗余、缺失的知識(shí)進(jìn)行處理的理論方法所具有的知識(shí)分類(lèi)的特點(diǎn)，結(jié)合基因表達(dá)式編程的進(jìn)化策略，重點(diǎn)研究在數(shù)據(jù)預(yù)處理層去除冗余、不完整數(shù)據(jù)，提出了一種基于基因表達(dá)式編程的粗糙集屬性約簡(jiǎn)研究算法(Attribute Reduction of Rough Set Based on Ge

3、ne Expression Programming，簡(jiǎn)稱 ARRS_GEP)，最后針對(duì)當(dāng)前分類(lèi)規(guī)則提取存在規(guī)則繁多的問(wèn)題，提出一個(gè)新的分類(lèi)模型。該模型包括對(duì)數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)預(yù)處理、規(guī)則提取、規(guī)則測(cè)試、規(guī)則評(píng)價(jià)等過(guò)程。本文所作主要工作：
　　(1)系統(tǒng)的闡述了分類(lèi)、基因表達(dá)式編程和粗糙集理論的相關(guān)知識(shí)及研究現(xiàn)狀，對(duì)粗糙集的核心內(nèi)容屬性約簡(jiǎn)問(wèn)題進(jìn)行了詳細(xì)的介紹，指出遺傳算法約簡(jiǎn)的不足。將遺傳算法與基因表達(dá)式編程進(jìn)行了比較，找出這兩種進(jìn)化

4、算法的區(qū)別。
　　(2)在對(duì)基因表達(dá)式編程進(jìn)行理論分析的基礎(chǔ)上，研究如何改進(jìn)屬性約簡(jiǎn)算法，提出了基于GEP的約簡(jiǎn)算法，即 ARRS_GEP算法。采用不同的約簡(jiǎn)方法進(jìn)行實(shí)驗(yàn)，驗(yàn)證 ARRS_GEP算法的有效性。
　　(3)分類(lèi)問(wèn)題中的很多算法都要求數(shù)據(jù)為離散的，比如，粗糙集等，本文針對(duì)這一問(wèn)題提出采用臨界值等寬區(qū)間離散法對(duì)連續(xù)特征進(jìn)行離散。同時(shí)，對(duì)提取分類(lèi)規(guī)則時(shí)存在的噪音數(shù)據(jù)的問(wèn)題進(jìn)行分析，提出在預(yù)處理層使用ARRS_GEP約