基于粗糙集分類(lèi)算法的研究及應(yīng)用.pdf

1、粗糙集理論是1982年由波蘭著名的科學(xué)家Z.Pawlak提出來(lái)的。它是一種能夠有效的處理不精確，不確定性數(shù)據(jù)的數(shù)學(xué)工具，并且它還具有不需要任何的先驗(yàn)知識(shí)，只依賴于數(shù)據(jù)集本身等優(yōu)點(diǎn)。粗糙集理論已成為數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等領(lǐng)域研究熱點(diǎn)之一。本文對(duì)粗糙集的主要核心問(wèn)題進(jìn)行了研究分析和改進(jìn)，將粗糙集與傳統(tǒng)算法加權(quán)K近鄰(KNN)相結(jié)合來(lái)解決不確定性問(wèn)題，并對(duì)改進(jìn)后的粗糙集算法采用UCI數(shù)據(jù)集進(jìn)行測(cè)試，最后，將其應(yīng)用于群體異常識(shí)別中。主要工作如下:

2、
　　1.粗糙集規(guī)則提取。規(guī)則提取主要涉及屬性值離散化、屬性約簡(jiǎn)和屬性值約簡(jiǎn)三個(gè)方面問(wèn)題。①由于現(xiàn)實(shí)生活中的一些實(shí)際問(wèn)題往往都是由連續(xù)型的屬性組成的，而粗糙集僅適用于離散屬性的信息系統(tǒng)。因此，為了將粗糙集能夠處理不確定，不精確的問(wèn)題的能力，以及不需要任何的先驗(yàn)知識(shí)，只依賴于數(shù)據(jù)集本身等優(yōu)點(diǎn)充分運(yùn)用到實(shí)際問(wèn)題中，必須對(duì)實(shí)際問(wèn)題的連續(xù)型屬性進(jìn)行離散化預(yù)處理工作。本文分別對(duì)基于遺傳算法的連續(xù)型屬性離散化方法和基于粒子群算法的連續(xù)型屬性離

3、散化方法進(jìn)行了分析。遺傳算法在迭代的過(guò)程中，通過(guò)選擇操作保留上一代優(yōu)秀個(gè)體，并通過(guò)變異操作增加種群的多樣性，但其易于陷入局部最優(yōu)解。粒子群算法在迭代的過(guò)程中增加了全局部分的考慮，但其收斂速度較快，并且沒(méi)有保護(hù)上一代的優(yōu)秀個(gè)體?；谏鲜龇治?，本文提出了基于粒子群和遺傳算法相結(jié)合的連續(xù)型屬性離散化方法。②粗糙集屬性約簡(jiǎn)和屬性值約簡(jiǎn)都是粗糙集理論研究的核心問(wèn)題。本文對(duì)基于區(qū)分矩陣的屬性約簡(jiǎn)算法和基于信息熵的屬性約簡(jiǎn)算法進(jìn)行了分析與研究，并分析

4、了各算法存在的局限性。最后，本文對(duì)基于二進(jìn)制區(qū)分矩陣屬性約簡(jiǎn)算法進(jìn)行了改進(jìn)。③本文針對(duì)屬性值約簡(jiǎn)算法主要分析了常犁云，王國(guó)胤等人提出的啟發(fā)式值約簡(jiǎn)算法，其主要思想是對(duì)信息決策表中的條件屬性進(jìn)行逐個(gè)考察，根據(jù)條件屬性的值對(duì)信息表的不同影響做出不同標(biāo)記，針對(duì)不同標(biāo)記作不同處理。本文對(duì)該算法提出了可能會(huì)存在潛在的問(wèn)題，并對(duì)它做出相應(yīng)的修改。
　　2.在規(guī)則提取過(guò)程中，知識(shí)庫(kù)中的規(guī)則一般是通過(guò)對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行學(xué)習(xí)得到。而訓(xùn)練數(shù)據(jù)一般是對(duì)原

5、始數(shù)據(jù)進(jìn)行定量的抽樣得到。對(duì)于不屬于訓(xùn)練數(shù)據(jù)集，但屬于原始數(shù)據(jù)集的樣本來(lái)說(shuō)，粗糙集是無(wú)法對(duì)它進(jìn)行正確的分類(lèi)。為了能夠讓粗糙集對(duì)未學(xué)習(xí)過(guò)的樣本正確分類(lèi)。本文將粗糙集與傳統(tǒng)算法加權(quán)K近鄰(KNN)進(jìn)行結(jié)合，從而進(jìn)一步提高了粗糙集的正確率。目前粗糙集與其他分類(lèi)方法相結(jié)合也是粗糙集的研究熱點(diǎn)之一，其主要分為兩個(gè)方面:一方面，由于粗糙集可以處理不確定性的問(wèn)題的能力，然而它僅僅是得到不確定性問(wèn)題的區(qū)域，對(duì)該區(qū)域的進(jìn)一步處理還是有賴于其他分類(lèi)方法。另

6、一方面，對(duì)于多維數(shù)據(jù)分析，其他分類(lèi)方法效果并不是很好，若借助粗糙集的屬性約簡(jiǎn)的能力，去除不必要的屬性，降低原始數(shù)據(jù)的維數(shù)，從而能夠提高其他分類(lèi)方法的效率。本文對(duì)粗糙集在測(cè)試過(guò)程中，存在新樣本無(wú)法識(shí)別的情況進(jìn)行了分析。并提出了通過(guò)屬性的重要性計(jì)算權(quán)值的加權(quán)K近鄰(KNN)方法來(lái)解決。最后，將該改進(jìn)后的算法用于UCI測(cè)試數(shù)據(jù)庫(kù)，得到了較好的測(cè)試效果。
　　3.將改進(jìn)后的粗糙集算法應(yīng)用于群體異常行為識(shí)別中，通過(guò)提取群體異常行為的特征，并

7、對(duì)其進(jìn)行離散化操作后，得到關(guān)于群體異常行為的決策表。再對(duì)該決策表進(jìn)行屬性約簡(jiǎn)和屬性值約簡(jiǎn)，提取決策表的決策規(guī)則。最后進(jìn)行預(yù)測(cè)，并分析結(jié)果。
　　綜上所述，本文主要對(duì)粗糙集屬性離散化問(wèn)題，提出了基于遺傳算法和粒子群算法相結(jié)合的屬性約簡(jiǎn)算法;對(duì)屬性約簡(jiǎn)和屬性值約簡(jiǎn)算法進(jìn)行了分析與研究，對(duì)現(xiàn)有屬性值約簡(jiǎn)算法提出了可能會(huì)存在潛在的問(wèn)題，并提出了修改方法;粗糙集在測(cè)試過(guò)程中，針對(duì)存在新樣本無(wú)法識(shí)別的情況，提出了通過(guò)屬性的重要性計(jì)算權(quán)值的加權(quán)