基于模糊粗糙集的壓縮近鄰規(guī)則比較研究.pdf

1、近鄰規(guī)則是模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘中廣泛使用的一種基于樣本實(shí)例的分類(lèi)方法，該算法通過(guò)從訓(xùn)練集中尋找與待分類(lèi)樣本最近的樣本來(lái)確定其類(lèi)別。然而近鄰規(guī)則的一個(gè)最大的缺點(diǎn)是在計(jì)算未見(jiàn)樣本的所屬類(lèi)別時(shí)，需要計(jì)算該未見(jiàn)樣本與訓(xùn)練集中所有樣本的距離，算法的時(shí)間復(fù)雜度和空間復(fù)雜度都很高。另一方面，在判斷未見(jiàn)樣本的所屬類(lèi)別時(shí)，訓(xùn)練集里的所有樣本都被看成是同等重要的。那么，如果訓(xùn)練集中的樣本存在不一致性，近鄰規(guī)則的性能會(huì)大大降低。針對(duì)以上兩個(gè)問(wèn)題，降低

2、訓(xùn)練集的規(guī)模成為近鄰規(guī)則的研究熱點(diǎn)。
　　模糊粗糙集是將粗糙集和模糊集結(jié)合起來(lái)處理不精確和不確定信息的數(shù)學(xué)理論。目前關(guān)于模糊粗糙集的研究主要集中在模糊粗糙集的定義及其約簡(jiǎn)上。從模糊粗糙集的定義中可以得出樣本隸屬于上近似集合、下近似集合以及邊界域集合的程度，而這些隸屬度表明了樣本的重要程度。本文提出了兩種基于模糊粗糙集的模糊壓縮近鄰規(guī)則（CF K-NN1和CF K-NN2）和一種改進(jìn)模糊近鄰規(guī)則，并對(duì)不同的壓縮近鄰規(guī)則進(jìn)行了比較研究

3、。這兩種壓縮規(guī)則包含三個(gè)步驟：
　?。?）利用模糊粗糙集技術(shù)求得一個(gè)模糊屬性約簡(jiǎn)；
　?。?）分別從模糊粗糙集正域（邊界域）中選取樣本子集；
　?。?）從樣本子集中抽取模糊分類(lèi)規(guī)則。
　　在若干數(shù)據(jù)集上得到的實(shí)驗(yàn)結(jié)果以及對(duì)實(shí)驗(yàn)結(jié)果的統(tǒng)計(jì)分析證實(shí)了兩種方法是可行的、有效的，并且優(yōu)于之前學(xué)者提出的壓縮近鄰規(guī)則，比如CNN，RNN，ICF等。比較研究得出了以下結(jié)論：算法CFK-NN1選擇的樣本個(gè)數(shù)比算法CF K-NN2