邻域粗糙集的属性约简算法及其在分类器中应用

摘要

近几年，随着互联网技术的快速发展，大量企业开始关注业务所产生的数据，纷纷建立起自己的数据仓库，收集大量的数据，以期通过处理这些数据获得决策支持、创造新的价值。但随着数据的不断累积，信息处理的成本也不断提升。而且这些数据往往还要讲究时效性，如果没有及时获取数据中的价值，那么这些数据将会白白浪费大量的资源。因此怎样从那些累积如海的数据中高效获取知识成为新的研究热点。
　　邻域粗糙集既可以省掉繁琐的离散化处理过程，直接作用于连续数据，又能够处理那些重复、不确定的数据。因此为了获取更高的效率，本文所有工作将以邻域粗糙集为基础，从两个方面进行改进，即降维和分类。
　　因此，本文主要的任务为：
　　(1)属性约简是邻域粗糙集对数据进行降维的一种手段。本文将对属性约简中最为频繁和最复杂的邻域计算进行深入的分析和研究。然后根据数学推导得出的新性质，提出了改进的属性约简算法。该算法通过保存当前计算结果并用于下一次的计算，有效减少了邻域的计算次数。经过实验验证，该算法对于提高邻域计算的效率是有效的。
　　(2)通过对现有的分类算法进行研究和分析，提出基于邻域粗糙集的分类算法。该算法通过逐步添加属性的方式进行迭代判断类别，在保持与kNN算法同样准确率的情况下，大幅度提高了分类算法的速度。

目录

封面

中文摘要

英文摘要

目录

第一章 引言

1.1 选题背景及意义

1.2 粗糙集研究现状

1.3 分类算法研究现状

1.4 本文主要工作

第二章 粗糙集理论基础

2.1 粗糙集理论[21]

2.2 邻域粗糙集理论

2.3 邻域粗糙集属性约简算法介绍

2.4 本章小结

第三章 分类算法

3.1 分类算法简介

3.2 本章小结

第四章 基于邻域粗糙集的属性约简改进算法

4.1 阈值的选取

4.2 改进的属性约简邻域算法

4.3 实验分析

4.4 本章小结

第五章 基于邻域粗糙集的分类算法

5.1 基于邻域粗糙集的分类算法

5.2 实验分析

5.3 本章小结

第六章 结论与展望

参考文献

攻读学位期间的研究成果

致谢

声明