本文選題：互信息 + 粒子群優(yōu)化��； 參考：《電子學(xué)報(bào)》2017年11期

【摘要】：最小屬性約簡(jiǎn)是粗糙集理論中屬性約簡(jiǎn)的優(yōu)化問題.在尋找最小屬性約簡(jiǎn)的問題上,基于粒子群優(yōu)化的屬性約簡(jiǎn)算法(ARPSO算法)優(yōu)于傳統(tǒng)的屬性約簡(jiǎn)算法.在現(xiàn)有的ARPSO算法中,正域部分通常被作為啟發(fā)式信息,但是它并不能夠很好地衡量不確定性,而互信息是粗糙集理論中一種更有效的度量不確定信息的重要工具.為此,提出基于互信息下的粒子群優(yōu)化的屬性約簡(jiǎn)算法(MIPSO算法),該算法把互信息作為適應(yīng)度函數(shù),通過增強(qiáng)粒子能迅速靠近吸引子的這一特性,改進(jìn)了內(nèi)嵌區(qū)域震蕩搜索的粒子群優(yōu)化算法(簡(jiǎn)記為RSPSO算法),防止算法較早的陷入局部最優(yōu),使得粒子群中的粒子更快的找到最優(yōu)值,因此使得算法盡可能實(shí)現(xiàn)全局收斂.實(shí)驗(yàn)結(jié)果表明,該算法不僅提高了尋優(yōu)的能力,加快了算法的速度,提升了算法的精度,而且也能夠使得約簡(jiǎn)后剩余屬性的互信息值與約簡(jiǎn)前所有屬性的互信息值近似相等.
[Abstract]:Minimum attribute reduction is an optimization problem of attribute reduction in rough set theory. In the problem of finding minimum attribute reduction, the attribute reduction algorithm based on particle swarm optimization (PSO) is superior to the traditional attribute reduction algorithm. In existing ARPSO algorithms, the positive domain is usually used as heuristic information, but it can not measure uncertainty well, and mutual information is an important tool to measure uncertainty in rough set theory. Therefore, an attribute reduction algorithm based on mutual information for particle swarm optimization (PSO) is proposed. This algorithm regards mutual information as a fitness function and enhances the property that particles can quickly approach the attractor. This paper improves the particle swarm optimization algorithm for embedded region oscillation search (abbreviated as RSPSO algorithm) to prevent the algorithm from falling into local optimum earlier, so that the particles in the particle swarm can find the optimal value more quickly, so that the algorithm can achieve global convergence as much as possible. The experimental results show that the algorithm not only improves the optimization ability, accelerates the speed of the algorithm and improves the accuracy of the algorithm, but also makes the mutual information value of the remaining attributes after reduction approximately equal to the mutual information values of all the attributes before reduction.
【作者單位】： 太原理工大學(xué);太原理工大學(xué)國(guó)際教育交流學(xué)院;
【基金】：人社部留學(xué)回國(guó)人員科技活動(dòng)擇優(yōu)資助項(xiàng)目(No.2013-68) 山西省自然科學(xué)基金(No.2014011018-2) 山西省回國(guó)留學(xué)人員科研資助項(xiàng)目No.2013-033,No.2015-045)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐彬,李龍澍;關(guān)于基于分明矩陣的屬性約簡(jiǎn)算法的探討[J];計(jì)算機(jī)工程與應(yīng)用;2004年14期

2 張巖;;針對(duì)不完備系統(tǒng)的粗糙熵屬性約簡(jiǎn)算法的改進(jìn)[J];莆田學(xué)院學(xué)報(bào);2006年05期

3 吳子特;葉東毅;;一種可伸縮的快速屬性約簡(jiǎn)算法[J];模式識(shí)別與人工智能;2009年02期

4 薛勝軍;郭強(qiáng);;一種改進(jìn)的最小屬性約簡(jiǎn)算法[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2012年03期

5 陳鑫影;黃明;李瑞;;基于評(píng)價(jià)指數(shù)的屬性約簡(jiǎn)算法[J];大連鐵道學(xué)院學(xué)報(bào);2006年02期

6 劉敏;段富;劉超慧;;基于最小集合覆蓋的屬性約簡(jiǎn)算法[J];電腦開發(fā)與應(yīng)用;2008年08期

7 秦海鷗;湯克明;;一種保持最小廣義漢明距的屬性約簡(jiǎn)算法[J];武漢理工大學(xué)學(xué)報(bào);2009年18期

8 趙潔;肖南峰;;一種基于知識(shí)顆粒的高效完備屬性約簡(jiǎn)算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

9 李秀紅;史開泉;;一種基于知識(shí)粒度的屬性約簡(jiǎn)算法[J];計(jì)算機(jī)應(yīng)用;2006年S1期

10 徐章艷;楊炳儒;宋威;;基于區(qū)分對(duì)象對(duì)集的高效屬性約簡(jiǎn)算法[J];模式識(shí)別與人工智能;2006年05期

相關(guān)會(huì)議論文 前10條

1 李菊;劉曉平;;基于改進(jìn)的差異比較表的屬性約簡(jiǎn)算法[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

2 李菊;王軍;王興;;基于改進(jìn)的二進(jìn)制辨識(shí)矩陣的屬性約簡(jiǎn)算法[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

3 武志峰;吉根林;;一種基于決策矩陣的屬性約簡(jiǎn)算法[A];第二十一屆中國(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];2004年

4 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

5 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對(duì)混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

6 王光輝;陳杰;潘峰;;多種群協(xié)同粒子群優(yōu)化算法求解動(dòng)態(tài)環(huán)境優(yōu)化問題[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

7 楊雅偉;侍洪波;;量子粒子群優(yōu)化算法及其應(yīng)用研究[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

8 趙建玉;賈磊;陳月輝;張勇;;基于粒子群優(yōu)化的信號(hào)交叉口交通流預(yù)測(cè)模型[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

9 周創(chuàng)德;田衛(wèi)東;周紅鵑;錢宏亮;;基于閾值約束的粗糙集屬性約簡(jiǎn)算法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

10 趙秋玲;周雅莉;張奇志;;基于粒子群優(yōu)化的結(jié)構(gòu)振動(dòng)分布式反饋控制[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 Shafiullah Khan;粒子群優(yōu)化算法及其在電磁設(shè)計(jì)中的應(yīng)用[D];浙江大學(xué);2017年

4 易云飛;基于伊藤隨機(jī)過程的粒子群優(yōu)化算法及其應(yīng)用研究[D];武漢大學(xué);2015年

5 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

7 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

8 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測(cè)中的應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2013年

9 劉逸;粒子群優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];西安電子科技大學(xué);2013年

10 高芳;智能粒子群優(yōu)化算法研究[D];哈爾濱工業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李萍;基于三支決策的海量數(shù)據(jù)分類方法研究及其在視頻異常檢測(cè)中的應(yīng)用[D];南京大學(xué);2016年

2 謝小軍;測(cè)試代價(jià)敏感粗糙集中屬性約簡(jiǎn)算法的研究[D];廣西師范大學(xué);2016年

3 焦譜;電力系統(tǒng)大數(shù)據(jù)屬性約簡(jiǎn)研究[D];華北電力大學(xué);2016年

4 張梅;基于布爾矩陣表示的粗糙集屬性約簡(jiǎn)算法的改進(jìn)及應(yīng)用研究[D];西安科技大學(xué);2016年

5 張海云;信息系統(tǒng)中屬性約簡(jiǎn)算法研究[D];山西大學(xué);2007年

6 許燁;模糊粗糙集屬性約簡(jiǎn)算法在電力營(yíng)銷分析中的研究[D];華北電力大學(xué);2013年

7 姜玉蘋;粗糙集屬性約簡(jiǎn)算法設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2011年

8 梁蒙;基于粗糙集的屬性約簡(jiǎn)算法研究[D];河南大學(xué);2011年

9 喬子芮;基于粒計(jì)算的屬性約簡(jiǎn)算法及應(yīng)用研究[D];陜西師范大學(xué);2011年

10 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏?cái)?shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

，

本文編號(hào)：1826662