基于鄰域粗糙集的增量學(xué)習(xí)算法研究及其在客戶分類上的應(yīng)用.pdf

1、近幾年來，隨著科學(xué)技術(shù)的迅猛發(fā)展，人們獲取數(shù)據(jù)的能力也迅速提高，社會各部門時刻產(chǎn)生大量數(shù)據(jù)，如何從這些新增數(shù)據(jù)中提煉有用信息并對數(shù)據(jù)進行分析和處理是一個難題。傳統(tǒng)的機器學(xué)習(xí)屬于靜態(tài)學(xué)習(xí)，即在學(xué)習(xí)前，必須將所有的數(shù)據(jù)準備好，而這種要求在現(xiàn)實生活中是不能滿足的，但增量學(xué)習(xí)機制能夠有效解決這個難題。因此，研究有效的增量學(xué)習(xí)機制和算法，實現(xiàn)對數(shù)據(jù)的動態(tài)處理，具有十分重要的理論意義。
　　胡清華教授提出的鄰域分類器是一種簡單、有效的分類方法

2、，但它屬于非增量的分類器，不能有效處理增量數(shù)據(jù)，從而限制了它在一些領(lǐng)域的應(yīng)用。本文分析發(fā)現(xiàn)鄰域分類器的兩點不足:一方面，屬性約簡是分類過程中的一個重要環(huán)節(jié)，一般的增量式屬性約簡算法只能處理增加屬性或增加樣本的一種情況，沒有綜合考慮這兩種情況;另一方面，分類器的性能依賴于訓(xùn)練樣本所包含的信息，因此在訓(xùn)練分類器時，希望訓(xùn)練樣本越多越好，但是龐大的訓(xùn)練樣本也帶來了不便之處:降低了分類器的分類效率。針對以上兩方面，主要創(chuàng)新點有:
　　(1

3、)提出了鄰域系統(tǒng)的相對正域概念，通過這個概念可以描述不同鄰域系統(tǒng)之間的粗細關(guān)系。在分類問題中，一個屬性誘導(dǎo)論域上的鄰域系統(tǒng)越細，用于觀測分類問題的粒度越細，那么對分類的描述就越準確，即一個屬性誘導(dǎo)論域上的鄰域系統(tǒng)越細代表該屬性的分類能力越強。
　　(2)提出了一種基于改進的相對正域的增量式屬性約簡算法。該算法可以處理屬性和樣本都增加的信息系統(tǒng):當新增屬性時，通過鄰域系統(tǒng)的相對正域概念，實現(xiàn)對原屬性約簡集的快速更新。當新增樣本時，主

4、要研究了新增樣本與原約簡集完全矛盾的情況，通過找到能夠正確區(qū)分新增樣本和矛盾樣本的屬性，把問題轉(zhuǎn)化為新增屬性的情況，這樣既保證得到的新屬性約簡集沒有冗余屬性，又實現(xiàn)了把兩種情況的處理方法結(jié)合起來的目的。
　　(3)針對鄰域分類器分類效率低的問題，提出了一種基于鄰域粗糙集的樣本約減算法:以每個訓(xùn)練樣本為圓心，定義鄰域半徑為樣本間相似性度量的閾值，向外擴展一個區(qū)域，使這個區(qū)域覆蓋最多的同類點，而不覆蓋任何異類點，然后選擇覆蓋最多點的區(qū)