基于粗糙集理论与遗传算法的分类算法研究

摘要

本文主要是对分类模式的算法进行研究，其主要工作包括以下几个方面：总结了目前分类模式中常用的方法；介绍粗糙集理论和遗传算法的基本理论、概念，并总结了粗糙集理论中属性约简的经典算；介绍了一种基于依赖度的属性核求取算法，并对此算法进行了改进，改进后的算法可以求取属性的一个约简；在对遗传算法和粗糙集理论研究的基础上，提出一种基于粗糙集理论和遗传算法的分类算法，并用一个数据集对该算法进行验证。该分类算法也对简单遗传算法进行了改进，增加了动态改变交叉率和变异率的思想。 论文共分5章。第一章简单介绍了数据挖掘的产生和发展，并总结了当前数据挖掘研究的状况；第二章重点介绍粗糙集理论的相关知识，并介绍了几种经典的属性约简算法；第三章对遗传算法进行了介绍；第四章详细介绍了基于重要度和依赖度的属性约简算法，以及基于粗糙集和遗传算法的分类算法；第五章通过一组数据对该分类算法进行验证。

目录

摘要

第一章引言

1.1数据挖掘的产生与发展

1.2分类模式的常用研究方法

1.3本论文研究内容及结构安排

第二章粗糙集理论

2.1概述

2.1.1理论的产生和今后研究方向

2.1.2粗糙集理论的特点

2.2粗糙集理论的相关概念

2.2.1知识库和信息系统

2.2.2上、下近似集和正域

2.2.3属性的依赖度和重要度

2.2.4置信度与支持度

2.3基于粗糙集数据挖掘的核心问题

2.3.1属性约简

2.3.2属性约简的基本算法

第三章遗传算法

3.1遗传算法的产生、发展及特点

3.2遗传算法的编码方法

3.2.1二进制编码

3.2.2实数编码

3.2.3符号编码

3.3遗传算法的基本操作

3.3.1选择算子

3.3.2交叉算子

3.3.3变异算子

3.4适应度函数

3.5基本遗传算法框架

第四章基于粗糙集与遗传算法的分类算法

4.1粗糙集处理中所用算法的改进

4.1.1问题提出

4.1.2算法改进及其描述

4.2获得分类规则的遗传算法及其改进

4.2.1适应度函数及编码方法

4.2.2交叉与变异及其改进的动态策略

4.2.3改进后的遗传算法描述

4.3分类规则约简策略

4.3.1规则的约简

4.3.2规则约简流程及算法

4.4分类算法性能分析

第五章算法应用实例分析

5.1所用实例数据

5.2算法处理过程

5.2.1粗糙集的预处理

5.2.2利用遗传算法生成规则

5.2.3约简规则

5.3实例结果分析

结束语

致谢

参考文献

攻读硕士学位期间发表的论文