

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、關于粗糙集方法,我們研究兩個基本的問題—屬性約簡和離散化.具體來講,包括以下內容:(1)屬性約簡:在一個信息系統(tǒng)中有成千上萬條記錄,但是對于信息系統(tǒng)的分類或者規(guī)則推理來說,其中一些屬性往往是多余的.他們對于系統(tǒng)的分類質量或者規(guī)則推理不起任何作用,這時就需要我們對信息系統(tǒng)進行屬性約簡,去掉這些多余的屬性,簡化信息系統(tǒng).針對這個問題,該文從集合覆蓋的角度討論屬性約簡,在集合覆蓋和屬性約減之間通過構造一個一一映射,將粗糙集中的屬性約簡問題轉化
2、成集合覆蓋問題,這樣使得我們能夠利用成熟的集合覆蓋的相關理論來解決屬性約簡問題.(2)離散化:在信息系統(tǒng)中,有些情況下,我們得到的數據的一些屬性值是實值數據,這樣有可能使得很少的對象有相同的屬性值,因而等價類的數量會增大,而每個等價類里面的對象會很少,這樣就導致大量的規(guī)則生成,使得分類效率下降,所以為了處理問題的需要,我們需要將這些數據進行離散化.關于粗糙集理論中的離散化,Nguyen S.H在他的論文里已經做了詳細的描述,同時提出MD
3、算法.該文在此基礎上,做了進一步的研究,提出一種新的離散化方法—漸進式離散化算法.由于我們的方法是漸進式的,一旦數據庫更新,應用該算法不需重新對整個數據庫進行遍歷,適合動態(tài)數據挖掘,同時我們也通過實驗證明漸進式方法無論在時間復雜度還是空間復雜度上都比傳統(tǒng)的MD算法好,該方法占有較少的內存資源,同時離散的質量高.關于遺傳算法,我們主要討論以下兩個方面的內容:(1)運用遺傳算法解決粗糙集中的屬性離散化問題,該算法從優(yōu)化的角度來研究離散化問題
4、,使得我們能夠得到較好的近似解.在算法設計過程中,我們運用多種優(yōu)化策略,包括傳統(tǒng)的父子混合策略等等,同時根據離散化的特點,提出了一種新型策略—罰函數策略,運用此策略,我們能夠淘汰不完全染色體,加快了計算速度同時增加結果的準確性.總之,對于粗糙集中屬性離散化的問題,我們從不同的角度提出了兩種方法:漸進式算法和遺傳算法,這兩種方法各有優(yōu)點,所以我們根據不同的情況運用不同的方法.(2)運用遺傳算法分析股票時序數據,建立了一個股票市場的決策模型
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于粗糙集和遺傳算法的大數據集數據挖掘應用研究.pdf
- 基于遺傳算法的粗糙集屬性約簡方法研究.pdf
- 基于粗糙集理論與遺傳算法的分類算法研究.pdf
- 基于粗糙集和遺傳算法的空間數據挖掘技術研究.pdf
- 基于粗糙集的數據挖掘算法研究.pdf
- 基于粗糙集和遺傳算法的聚類方法研究.pdf
- 基于遺傳算法的粗糙集屬性約簡研究.pdf
- 基于粗糙集的大數據集挖掘算法研究與實現.pdf
- 基于粗糙集的數據挖掘算法研究與實現.pdf
- 基于粗糙集的數據挖掘算法研究與應用.pdf
- 基于粗糙集的數據挖掘算法的研究與應用.pdf
- 基于遺傳算法和粗糙集的聚類算法研究.pdf
- 基于粗糙集理論的數據挖掘算法的研究.pdf
- 數據挖掘與知識優(yōu)化的粗糙集方法的研究.pdf
- 基于粗糙集理論與遺傳算法的機器人路徑規(guī)劃方法研究.pdf
- 基于粗糙集的CRM數據挖掘理論與方法研究.pdf
- 基于粗糙集的數據挖掘約簡算法的研究與應用.pdf
- 基于粗糙集的數據挖掘屬性約簡算法研究.pdf
- 基于粗糙集理論與支持向量機的數據挖掘方法算法研究.pdf
- 基于啟發(fā)式遺傳算法的變精度粗糙集屬性約簡方法
評論
0/150
提交評論