基于粗糙集分類算法的研究及應(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，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。本文對粗糙集的主要核心問題進(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)合來解決不確定性問題，并對改進(jìn)后的粗糙集算法采用UCI數(shù)據(jù)集進(jìn)行測試，最后，將其應(yīng)用于群體異常識別中。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、屬性約簡和屬性值約簡三個(gè)方面問題。①由于現(xiàn)實(shí)生活中的一些實(shí)際問題往往都是由連續(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，不精確的問題的能力，以及不需要任何的先驗(yàn)知識，只依賴于數(shù)據(jù)集本身等優(yōu)點(diǎn)充分運(yùn)用到實(shí)際問題中，必須對實(shí)際問題的連續(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程中，通過選擇操作保留上一代優(yōu)秀個(gè)體，并通過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程中增加了全局部分的考慮，但其收斂速度較快，并且沒有保護(hù)上一代的優(yōu)秀個(gè)體。基于上述分析，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粗糙集屬性約簡和屬性值約簡都是粗糙集理論研究的核心問題。本文對基于區(qū)分矩陣的屬性約簡算法和基于信息熵的屬性約簡算法進(jìn)行了分析與研究，并分析

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

5、始數(shù)據(jù)進(jìn)行定量的抽樣得到。對于不屬于訓(xùn)練數(shù)據(jù)集，但屬于原始數(shù)據(jù)集的樣本來說，粗糙集是無法對它進(jìn)行正確的分類。為了能夠讓粗糙集對未學(xué)習(xí)過的樣本正確分類。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題的能力，然而它僅僅是得到不確定性問題的區(qū)域，對該區(qū)域的進(jìn)一步處理還是有賴于其他分類方法。另

6、一方面，對于多維數(shù)據(jù)分析，其他分類方法效果并不是很好，若借助粗糙集的屬性約簡的能力，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方法的效率。本文對粗糙集在測試過程中，存在新樣本無法識別的情況進(jìn)行了分析。并提出了通過屬性的重要性計(jì)算權(quán)值的加權(quán)K近鄰(KNN)方法來解決。最后，將該改進(jìn)后的算法用于UCI測試數(shù)據(jù)庫，得到了較好的測試效果。
　　3.將改進(jìn)后的粗糙集算法應(yīng)用于群體異常行為識別中，通過提取群體異常行為的特征，并

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