【摘要】：屬性選擇是數(shù)據(jù)挖掘領(lǐng)域常見的用于降低數(shù)據(jù)特征維度的預(yù)處理方法:在不影響原始數(shù)據(jù)核心價(jià)值的前提下,屬性選擇方法可以大幅約簡(jiǎn)數(shù)據(jù)集中的噪聲數(shù)據(jù)與冗余屬性,節(jié)約存儲(chǔ)空間與計(jì)算資源,并提升決策分析準(zhǔn)確率。屬性選擇問題的實(shí)質(zhì)即在眾多特征維度中尋求關(guān)鍵的核屬性,因此求解過程中每種屬性均可用關(guān)鍵屬性(狀態(tài)‘1’)或非關(guān)鍵屬性(狀態(tài)‘0’)兩種狀態(tài)來表示�？紤]到該特性,本文提出以二元蟻群算法(Binary Ant Colony Optimization,簡(jiǎn)稱BACO)作為搜索策略,分形維數(shù)作為子集評(píng)估度量準(zhǔn)則,求解屬性約簡(jiǎn)問題。針對(duì)BACO算法存在著“算法運(yùn)行時(shí)間長(zhǎng)”、“易收斂到局部最優(yōu)解”與“無法并行求解”等不足,本文提出了一系列改進(jìn),并結(jié)合分形理論應(yīng)用于屬性選擇領(lǐng)域。本文主要的研究工作與成果總結(jié)如下:首先,針對(duì)二元蟻群算法的固有缺陷,引入了參數(shù)控制的位置更新策略、對(duì)螞蟻個(gè)體與種群進(jìn)行交叉變異并提出局部?jī)?yōu)化策略、重新定義阻塞機(jī)制的信息素更新方法,提出改進(jìn)的二元蟻群算法IBACO。其次,考慮到現(xiàn)有屬性選擇方法的計(jì)算效率難以滿足云計(jì)算環(huán)境下大規(guī)模復(fù)雜數(shù)據(jù)的處理需求,應(yīng)用MapReduce編程模式實(shí)現(xiàn)并行化算法MRIBACO,定義了算法的Map與Reduce函數(shù)設(shè)計(jì)。然后,以MRIBACO算法作為離散解空間的搜索策略,結(jié)合分形維數(shù)提出了屬性選擇模型。在UCI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明了算法的有效性與穩(wěn)定性。最后,將該方法應(yīng)用于霧霾預(yù)測(cè)領(lǐng)域,分析北京、上海、廣州三個(gè)城市的關(guān)鍵致霾因子,實(shí)驗(yàn)結(jié)果表明算法求解的約簡(jiǎn)結(jié)果具有較高的可信度,為后期預(yù)防與重點(diǎn)治理霧霾氣候提供了理論支撐。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：X513;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓萌;郭維維;;基于信息增益和遺傳算法的屬性選擇方法[J];科技信息(科學(xué)教研);2008年15期

2 李敬明;倪志偉;許瑩;張琛;;基于二進(jìn)制螢火蟲算法的屬性選擇方法研究[J];系統(tǒng)科學(xué)與數(shù)學(xué);2017年02期

3 張艷芹;;基于鄰域分類AUC的屬性選擇方法[J];天津理工大學(xué)學(xué)報(bào);2018年03期

4 焦鵬;王新政;謝鵬遠(yuǎn);;基于屬性選擇法的樸素貝葉斯分類器性能改進(jìn)[J];電訊技術(shù);2013年03期

5 鄭麗萍;姜華;李俊青;;基于PSO的屬性選擇方法[J];計(jì)算機(jī)工程與科學(xué);2011年06期

6 王翔;胡學(xué)鋼;;基于快速屬性選擇的貝葉斯分類在入侵檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2008年04期

7 劉星毅;;一種新的決策樹分裂屬性選擇方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2008年05期

8 倪春鵬,王正歐;一種新型決策樹屬性選擇標(biāo)準(zhǔn)[J];武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年04期

9 郭維維;韓萌;;基于最小描述長(zhǎng)度和遺傳算法的屬性選擇方法[J];大連民族學(xué)院學(xué)報(bào);2009年01期

10 張艷芹;竇慧莉;;基于鄰域分類AUC的屬性選擇方法[J];科技與創(chuàng)新;2017年24期

相關(guān)會(huì)議論文 前2條

1 蒙應(yīng)杰;張文;吳超;;基于粗集的數(shù)據(jù)庫(kù)水印屬性選擇優(yōu)化問題[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

2 朱佳賢;;無指導(dǎo)學(xué)習(xí)環(huán)境下基于屬性相關(guān)性分析和聚類算法的屬性選擇問題研究[A];第11屆海峽兩岸信息管理發(fā)展策略研討會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前3條

1 程美英;基于二元蟻群優(yōu)化算法和分形維數(shù)的屬性選擇方法[D];合肥工業(yè)大學(xué);2017年

2 倪麗萍;基于分形技術(shù)的金融數(shù)據(jù)分析方法研究[D];合肥工業(yè)大學(xué);2010年

3 王威;基于圖像的視頻事件分析方法[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 許力分;融合并行化改進(jìn)二元蟻群算法與分形維數(shù)的屬性選擇方法及其應(yīng)用[D];合肥工業(yè)大學(xué);2019年

2 鄭威;屬性選擇魯棒性研究[D];廣西師范大學(xué);2019年

3 仇志停;基于屬性選擇的一階依賴貝葉斯分類模型的研究[D];吉林大學(xué);2018年

4 瞿忠魁;自適應(yīng)屬性選擇的隱樸素貝葉斯算法研究及其應(yīng)用[D];湖南大學(xué);2014年

5 何威;自表達(dá)屬性選擇研究[D];廣西師范大學(xué);2017年

6 劉鳴鳴;幾類復(fù)雜體系的分類及屬性選擇問題研究[D];大連理工大學(xué);2009年

7 白贊;基于屬性選擇加權(quán)的樸素貝葉斯算法的改進(jìn)與應(yīng)用[D];西安理工大學(xué);2017年

8 鐘星;基于數(shù)據(jù)挖掘和多目標(biāo)決策的軟件缺陷預(yù)測(cè)方法研究[D];電子科技大學(xué);2011年

9 文專;基于神經(jīng)網(wǎng)絡(luò)的分類數(shù)據(jù)挖掘?qū)傩赃x擇和規(guī)則抽取研究[D];天津大學(xué);2004年

10 孔剛剛;測(cè)試代價(jià)敏感的貝葉斯分類器研究[D];中國(guó)地質(zhì)大學(xué);2017年

本文編號(hào)：2771015