基于GA-PSO的粗糙集屬性約簡算法的研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、求解最小屬性相對約簡是一個(gè)NP問題,傳統(tǒng)的屬性約簡算法存在著嚴(yán)重不足,引入群智能算法進(jìn)行屬性約簡已經(jīng)成為必然趨勢,遺傳算法在屬性約簡過程中采用不同的編碼方法,會(huì)產(chǎn)生不同的問題,從而導(dǎo)致沒有根據(jù)的積木假設(shè),最終使得屬性約簡時(shí)GA過早成熟難以達(dá)到可行域最優(yōu)。PSO約簡過程中,微粒群在迭代時(shí)易集聚在局部值中,不易獲得最好解,使得最后約簡結(jié)果不是最小相對屬性集。針對這些弱點(diǎn),本文改進(jìn)了傳統(tǒng)的智能化方法,引進(jìn)新的混合智能算法,把該混合方法進(jìn)行粗糙

2、集數(shù)據(jù)約簡。新算法在提高部分尋優(yōu)性能的同時(shí)又維持著全局尋優(yōu)的特性,快速的獲得最小相對屬性集。
  本文在課題的研究背景中,首先介紹了Rough set(粗糙集)理論中的基本知識(shí)包括屬性重要性、支持度等,整體分析并比較傳統(tǒng)的約簡算法,如利用區(qū)分矩陣進(jìn)行Rough set屬性約簡等。
  其次給出了GA的構(gòu)成要素及操作框架,并把遺傳思想應(yīng)用在Rough set屬性約簡中。同時(shí)也引入了另一智能化算法-PSO的思想,在Rough s

3、et屬性約簡中引進(jìn)微粒群。并對智能約簡算法的缺點(diǎn)給予改進(jìn)。
  接下來針對遺傳約簡算法過早收斂的劣勢,給出了改進(jìn)的遺傳約簡算法,重點(diǎn)從遺傳算法的修復(fù)策略,二進(jìn)制編碼初始種群,適應(yīng)值函數(shù)的設(shè)置等方面來優(yōu)化。形成改進(jìn)的遺傳約簡算法。針對PSO極易達(dá)到局部解的弱項(xiàng),從它適應(yīng)值函數(shù)著手優(yōu)化創(chuàng)新,提出了改進(jìn)的PSO約簡算法。
  最后在改進(jìn)的粒子群約簡算法的基礎(chǔ)上,與遺傳思想相融合,把遺傳約簡算法中的遺傳操作加入到粒子群約簡算法中。新

4、算法通過CTR數(shù)據(jù)集與UCI庫的三個(gè)數(shù)據(jù)集進(jìn)行仿真驗(yàn)證。重點(diǎn)在Wine數(shù)據(jù)集與ZOO數(shù)據(jù)集的適應(yīng)度變化曲線進(jìn)行對比。GA-PSO約簡算法與改進(jìn)的GA約簡算法、PSO約簡算法相比,GA-PSO屬性約簡算法可以得到較小的相對屬性集,驗(yàn)證了該算法的有效性。Wine數(shù)據(jù)集與Zoo數(shù)據(jù)集在約簡過程中的適應(yīng)度變化曲線表明,改進(jìn)的GA約簡算法最先收斂,但其約簡的屬性個(gè)數(shù)不是最少。改進(jìn)的PSO屬性約簡與GA-PSO屬性約簡收斂的速度有較小差別,其中GA

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論