基于粗糙集的海量數(shù)據(jù)約簡技術(shù)及應(yīng)用研究.pdf

1、　　海量數(shù)據(jù)約簡一直是數(shù)據(jù)挖掘、機器學(xué)習和模式識別等領(lǐng)域中的關(guān)鍵問題和研究熱點，為此，在分析常用粗糙集約簡技術(shù)和基于進化計算的約簡技術(shù)基礎(chǔ)上，研究基于量子粒子群(QPSO)和差分進化(DE)的混合優(yōu)化(QPSO-DE)算法，進而提出基于QPSO-DE的海量數(shù)據(jù)約簡技術(shù)，并進行典例仿真驗證和實際應(yīng)用。主要工作如下：
　　(1)常用屬性約簡算法分析與仿真。對差別矩陣法和基于屬性重要度的約簡算法進行典型例子的仿真分析，指出了常用屬性約

2、簡算法的缺陷與不足，即當所要約簡的信息表數(shù)據(jù)維數(shù)超過一萬時，現(xiàn)有約簡算法是無法完成約簡任務(wù)的，且其算法的復(fù)雜度會成指數(shù)級增長。
　　(2)基于QPSO和DE的QPSO-DE算法研究。采用典例仿真分析，指出PSO、QPSO、DE三種優(yōu)化算法存在之不足，即當處理一個多峰優(yōu)化問題時由于算法中個體信息共享機制的單一以及種群多樣性的單調(diào)導(dǎo)致算法搜索路徑陷入局部最優(yōu)。為此，將QPSO和DE相融合，提出一種QPSO-DE混合優(yōu)化算法，大量實驗