粗糙集理論是一種有效分析和處理不確定性、不精確性、不完備性的數(shù)學工具,現(xiàn)成為智能信息處理的一個研究熱點,并被廣泛應(yīng)用于機器學習、模式識別、模糊控制、故障診斷、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)等諸多領(lǐng)域。屬性約簡是粗糙集一個重要研究內(nèi)容,也是數(shù)據(jù)挖掘中的重要環(huán)節(jié)。常見的屬性約簡不能很好地處理高維、復雜的大數(shù)據(jù),為此,本文系統(tǒng)地研究基于粒子群優(yōu)化算法的屬性約簡技術(shù),并進行典型UCI數(shù)據(jù)仿真驗證,以及在實際石油測井中的應(yīng)用。主要研究內(nèi)容與創(chuàng)新如下:（1）常用屬性約簡算法分析。首先在闡述粗糙集基本原理基礎(chǔ)上,對基于差別矩陣和基于屬性重要性的約簡方法進行分析,然后采用經(jīng)典例子進行仿真實驗,結(jié)果表明常見屬性約簡方法能較好地處理低維的小樣本信息,但不能很好地處理高維、復雜大數(shù)據(jù)。（2）粒子群優(yōu)化算法的改進。為解決粒子群（PSO）算法搜索空間有限、易陷入局部極值以及種群多樣性少的問題,研究基于量子、云模型、鯰魚效應(yīng)相結(jié)合的混合粒子群優(yōu)化（CCQPSO）算法,主要引入量子擴大粒子群算法搜索空間,并利用云模型調(diào)節(jié)收縮擴張因子來平衡全局搜索和局部搜索能力,進而利用鯰魚效應(yīng)改變種群的多樣性。經(jīng)典型測試函數(shù)實驗,結(jié)果表明CC... 

【文章來源】：河北工業(yè)大學天津市 211工程院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

粗糙集近似區(qū)域

粒子群優(yōu)化粗糙集屬性約簡技術(shù)研究-22-子分成3個子群，根據(jù)不同粒子群的搜索狀態(tài)調(diào)整收縮擴張因子的值，調(diào)整策略如下：（1）設(shè)粒子群的個數(shù)為n，在第k次迭代中ix的適應(yīng)度為ifk，同時根據(jù)適應(yīng)度的大小，對種群進行從小到大的排序，則粒子群的黃金適應(yīng)度為：(0.618*)()()goldfloornfkfk（3.12）優(yōu)于goldfk的粒子群個數(shù)為n1，則其黃金適應(yīng)度為：1(0.618*1)()()goldfloornfkfk（3.13）次于goldfk的粒子群個數(shù)為n2，則其黃金適應(yīng)度為：2(0.618*2)()()goldfloornfkfk（3.14）圖3.1云模型動態(tài)調(diào)整收縮擴張因子值本文根據(jù)粒子適應(yīng)度的不同來確定不同的收縮因子，進而將粒子群劃分為3個子群。（2）如果當前粒子的適應(yīng)度ifk優(yōu)于gold1fk，表明該部分粒子接近最優(yōu)值，不需要再進行全局搜索，應(yīng)加快局部收斂速度，所以收斂因子取0.4。（3）若粒子適應(yīng)度ifk優(yōu)于gold2fk而次于gold1fk，采用云模型對其改進：先設(shè)定粒子的數(shù)學期望值為bestEXfk，b1b22，粒子的熵為：1/1goldbestEnfkfkb，設(shè)粒子的超熵與熵的關(guān)系值為HeEn/b2，則在此區(qū)

河北工業(yè)大學碩士學位論文-23-間內(nèi)的粒子的取值為：2"2(())2()0.90.5ifkEXEne（3.15）其中"normrndEEn,enH。（4）若粒子適應(yīng)度ifk次于gold2fk，則該部分粒子適應(yīng)度較差，表明距離群體的最優(yōu)解較遠，應(yīng)擴大全局收斂能力，所以收斂因子取0.9。動態(tài)調(diào)整收縮擴張因子的流程圖如圖3.1所示。隨著迭代次數(shù)不斷增加，種群趨向于同一個目標，但種群的多樣性越來越少、易出現(xiàn)早熟現(xiàn)象。而鯰魚效應(yīng)通過引入有活力且有競爭力的個體來模擬對沙丁魚群體的驅(qū)趕效果，進而改變沙丁魚群體惰性，從而增加沙丁魚種群的多樣性。所以，我們將鯰魚效應(yīng)[87]的思想引入到云量子粒子群，進而調(diào)整粒子種群的多樣性，避免陷入局部最優(yōu)。3.2.3鯰魚效應(yīng)-云量子粒子群優(yōu)化算法目前，針對粒子群算法因種群多樣性驟減而出現(xiàn)的早熟現(xiàn)象，很多學者提出了大量的改進粒子群算法，比如混沌PSO、GA-PSO、免疫PSO、文化PSO等，這些算法只是對部分粒子位置進行調(diào)整，沒有對種群進行修正，下面講解如何利用鯰魚效應(yīng)修正種群的位置。圖3.2鯰魚效應(yīng)機制示意圖經(jīng)濟學中的“鯰魚效應(yīng)”由來是：挪威人愛吃活沙丁魚，但是絕大部分沙丁魚在回港途中因窒息而死亡，因此漁民將一條鯰魚放入到裝滿沙丁魚的魚槽里，由于鯰魚不適應(yīng)魚槽環(huán)境，便四處游動，同時沙丁魚為躲避鯰魚捕食，快速游動。鯰魚效應(yīng)就是引入有活力且有競爭力的個體來改變?nèi)后w的惰性，使種群處于活躍狀態(tài)。受鯰魚效應(yīng)的啟示，將有活力且有競爭力的鯰魚粒子引入CQPSO算法中，當粒子種群多樣性較差時，開啟鯰魚啟發(fā)器并產(chǎn)生鯰魚粒子，通過鯰魚粒子的驅(qū)趕作用來改變粒子群體的

【參考文獻】：
期刊論文
[1]水平井及斜度井聲波測井響應(yīng)正演模擬研究（英文）[J]. 劉鶴,王兵,陶果,張闊,岳文正.  Applied Geophysics. 2017(03)
[2]基于免疫量子粒子群優(yōu)化的測試代價敏感屬性約簡算法[J]. 謝小軍,俞春強,王博,何弦,徐章艷.  計算機工程與科學. 2017(07)
[3]基于PSO和三次樣條插值的多機器人全局路徑規(guī)劃[J]. 強寧,高潔,康鳳舉.  系統(tǒng)仿真學報. 2017(07)
[4]四川盆地龍馬溪組頁巖氣儲層各向異性巖石物理建模及應(yīng)用（英文）[J]. 劉喜武,郭智奇,劉財,劉宇巍.  Applied Geophysics. 2017(01)
[5]基于AdaBoost-SVM的葡萄酒品質(zhì)分類模型優(yōu)化設(shè)計[J]. 楊云,盧美靜,穆天紅.  陜西科技大學學報(自然科學版). 2017(01)
[6]采用改進粒子群算法的直流電網(wǎng)最優(yōu)潮流控制[J]. 劉先正,溫家良,潘艷,吳鵬飛,李金元.  電網(wǎng)技術(shù). 2017(03)
[7]Attribute reduction in interval-valued information systems based on information entropies[J]. Jian-hua DAI,Hu HU,Guo-jie ZHENG,Qing-hua HU,Hui-feng HAN,Hong SHI.  Frontiers of Information Technology & Electronic Engineering. 2016(09)
[8]云模型改進慣性權(quán)重的混沌交替粒子群算法[J]. 李紀真,孟相如,崔文巖,楊婷.  火力與指揮控制. 2016(05)
[9]Improving Image Copy-Move Forgery Detection with Particle Swarm Optimization Techniques[J]. SHI Wenchang,ZHAO Fei,QIN Bo,LIANG Bin.  中國通信. 2016(01)
[10]數(shù)據(jù)挖掘與測井解釋:應(yīng)用于礫巖儲層（英文）[J]. 石寧,李洪奇,羅偉平.  Applied Geophysics. 2015(02)

博士論文
[1]量子行為粒子群優(yōu)化算法研究[D]. 孫俊.江南大學 2009

碩士論文
[1]流量識別特征選擇算法的研究與改進[D]. 解岳鋒.西安電子科技大學 2013
[2]基于PSO的粗糙集屬性約簡算法研究[D]. 陳思如.湖南科技大學 2010



本文編號：3323764