基于遺傳算法與區(qū)分矩陣的弱約簡算法研究.pdf

1、粗糙集理論是一種處理不確定性、不相容和不精確等各種不完備信息的數(shù)據(jù)分析工具，該理論是近年來人工智能領(lǐng)域的一個研究熱點，并已成功應用到模式識別、數(shù)據(jù)挖掘和機器學習等領(lǐng)域。其中信息系統(tǒng)約簡的研究是其核心問題之一。所謂約簡就是在一定標準度量下尋找與原知識庫具有相同測度的最小條件屬性組合。根據(jù)不同的度量手段，現(xiàn)階段出現(xiàn)了正域約簡、分布約簡和熵約簡等約簡方法。本文立足前人研究成果，主要討論基于劃分與覆蓋粗糙集理論模型的決策系統(tǒng)約簡方法及其相關(guān)問題

2、。
　　本文的主要目標是利用粗糙集理論，找到現(xiàn)有規(guī)則庫的不降低分類精度的約簡，達到優(yōu)化規(guī)則庫提高運行效率的目的。
　　現(xiàn)階段文獻中，約簡算法大都是以尋求最簡約簡為目的的，他們單方面強調(diào)約簡后屬性個數(shù)，而忽略了約簡后新規(guī)則庫的準確率有可能下降的問題，針對這一問題，本文提出弱約簡的概念。在第三章中利用區(qū)分矩陣能很容易計算出弱約簡以及遺傳算法可以在全局尋優(yōu)的優(yōu)勢，以染色體對區(qū)分函數(shù)的覆蓋度作為適應度函數(shù)的參數(shù)，構(gòu)建了一種基于遺傳算

3、法與區(qū)分矩陣的弱約簡算法。算法以弱約簡的k近鄰準確率不降低為終止條件，并通過實驗證明了該算法的有效性和可行性。更進一步，針對算法收斂性的問題，優(yōu)化了遺傳算法中的選擇算子。通過對比實驗表明：平均收斂代數(shù)得到明顯改善，效率明顯提高。
　　另外，本文第四章就信息系統(tǒng)中信息粒度與本文算法性能之間的關(guān)聯(lián)進行了探索。得出如下結(jié)論：在所有屬性粒度統(tǒng)一的條件下，弱約簡的平均收斂代數(shù)和弱約簡質(zhì)量隨著粒度變化呈正相關(guān)關(guān)系；在區(qū)分屬性重要性程度的條件下