當今社會,大數(shù)據(jù)已成為最具代表性的時代特征之一,廣泛地存在于各行各業(yè)及生活中。數(shù)據(jù)挖掘和機器學習是大數(shù)據(jù)技術(shù)的重要組成部分,通過對大數(shù)據(jù)信息挖掘和機器學習,構(gòu)建大數(shù)據(jù)框架下的人工智能模型,是當今人工智能領域中的重要課題。分類是大數(shù)據(jù)挖掘的重要研究內(nèi)容之一。作為數(shù)據(jù)挖掘的一個研究分支,分類的本質(zhì)是通過對訓練數(shù)據(jù)的類別學習,構(gòu)造分類模型,并依據(jù)分類規(guī)則對未知樣本進行類別預判。本文基于鄰域粗糙集和模糊粗糙集理論建立了兩種分類模型,設計了相應的分類算法。1.基于決策一致性的鄰域粗糙分類。首先依照鄰域粗糙集理論,對樣本鄰域進行了重新定義,并基于決策一致性原則,提出了樣本的鄰域純度等相關概念。然后對樣本鄰域半徑的選取方法進行討論分析,使其滿足決策一致性條件。針對樣本分布情況的不同,提出了相應的樣本鄰域半徑的選取辦法。設計確定初級類中心樣本及其相應半徑取值算法。在算法迭代過程中,考慮到應盡可能縮短分類時間,引入了剪枝算法,去掉冗余樣本,得到最終的類中心樣本及其相應半徑取值,完成訓練學習過程。為了對未知樣本進行類別預測,構(gòu)建了基于決策一致性的鄰域粗糙分類器,并利用UCI中數(shù)據(jù)集設計相關實驗進行驗證和分... 

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 引言
    1.2 鄰域粗糙集研究概況
    1.3 模糊粗糙集研究概況
    1.4 本文的主要工作
2 基礎知識
    2.1 鄰域粗糙集基礎知識
    2.2 模糊粗糙集基礎知識
3 決策一致性自適應鄰域分類
    3.1 鄰域粗糙分類規(guī)則與一致性的鄰域
    3.2 自適應鄰域分類器
        3.2.1 一致性自適應鄰域半徑的選取
        3.2.2 初級類中心及其鄰域半徑
        3.2.3 鄰域關系剪枝與類中心剪枝
        3.2.4 一致性自適應鄰域分類器
    3.3 實驗分析
    3.4 本章小結(jié)
4 鄰域模糊粗糙分類
    4.1 鄰域模糊粗糙集決策模型
    4.2 鄰域模糊粗糙決策的融合
        4.2.1 融合決策權(quán)重系數(shù)
        4.2.2 權(quán)重系數(shù)最優(yōu)化問題的矩陣表示
        4.2.3 基于拉格朗日乘子法的優(yōu)化學習
    4.3 基于融合權(quán)重系數(shù)的粗糙分類算法
    4.4 實驗分析
    4.5 本章小結(jié)
總結(jié)與展望
參考文獻
論文發(fā)表情況
致謝


【參考文獻】：
期刊論文
[1]基于改進分辨矩陣的屬性約簡方法[J]. 黃治國,楊曉驥.  計算機仿真. 2014(09)
[2]基于模糊集截集的模糊粗糙集模型[J]. 孫秉珍,鞏增泰,焦永蘭.  計算機工程與應用. 2009(08)
[3]基于鄰域粗糙集的符號與數(shù)值屬性快速約簡算法[J]. 胡清華,趙輝,于達仁.  模式識別與人工智能. 2008(06)
[4]基于鄰域�；痛植诒平臄�(shù)值屬性約簡[J]. 胡清華,于達仁,謝宗霞.  軟件學報. 2008(03)
[5]模糊決策樹算法與清晰決策樹算法的比較研究[J]. 王熙照,孫娟,楊宏偉,趙明華.  計算機工程與應用. 2003(21)
[6]Rough集理論在不完備信息系統(tǒng)中的擴充[J]. 王國胤.  計算機研究與發(fā)展. 2002(10)
[7]粗糙集理論及其應用[J]. 韓禎祥,張琦,文福拴.  信息與控制. 1998(01)

碩士論文
[1]關于凸二次規(guī)劃若干算法的研究[D]. 王建芳.大連海事大學 2008
[2]分類器設計及組合技術(shù)研究[D]. 郭亞琴.揚州大學 2007



本文編號：3651711