检索结果-南通市图书馆

检索条件"主题词=优势邻域粗糙集"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于优势邻域粗糙集的特征选择方法研究

基于优势邻域粗糙集的特征选择方法研究

引用

作者：潘彦舟西南大学

学位级别：硕士

大数据时代,信息技术蓬勃发展,形式多样的数字化数据在各领域中不断涌现,数据量级呈现几何式增长。一方面,大数据中蕴藏着丰富信息;另一方面海量数据所呈现出的大规模、多模态和实时增长等特性给传统意义下的数据挖掘与知识建模带来了... 详细信息

大数据时代,信息技术蓬勃发展,形式多样的数字化数据在各领域中不断涌现,数据量级呈现几何式增长。一方面,大数据中蕴藏着丰富信息;另一方面海量数据所呈现出的大规模、多模态和实时增长等特性给传统意义下的数据挖掘与知识建模带来了严峻挑战。因此,如何从大规模复杂数据中提取有价值的知识,进一步提高复杂数据的表达能力就显得十分必要。近年来,粒计算理论逐步成为智能计算领域中一种重要的信息处理方法。作为一种新兴的处理不确定性知识的工具,其通过模拟粒化认知机理,将复杂问题逐层粒化拆解从而实现多层次、多视角、多粒度的全方位复杂问题认知。考虑到具有相似性的对象之间可能还存有偏序关系,仅仅是邻域关系并无法很好地对这些相似样本进行区分。本文以连续型有序数据为研究背景,结合粗糙集、模糊集等粒计算工具,旨在进一步改善模型的相关缺陷,从而更有效地提取出复杂数据中的关键特征并获取有价值的信息与知识。同时设计高效可行的动态算法,利用公开数据集进行实验验证,从而为复杂数据的特征选择提供新的理论和方法。主要研究工作如下:1.考虑到经典模型对特征与决策之间关系的忽略以及过于严格的全序关系,设计了基于矩阵的加权优势邻域粗糙集特征选择算法,及其在对象增加条件下的增量学习机制。首先,通过从数据中习得的权重、设定的优势宽容度建立加权优势邻域粗糙集。接着,根据加权优势邻域关系生成关系矩阵和对角矩阵进而计算出矩阵形式下的条件熵,并将其作为特征度量指标。最后设计启发式静、动态算法并在数据集上验证其有效性。2.针对邻域半径选取困难、构造决策指标信息遗漏、全序关系易受噪声影响等缺陷,在直觉模糊背景下提出了基于相对决策自信息的赋分直觉模糊序邻域粗糙集的特征选择方法。首先通过赋分函数生成直觉模糊序信息系统,结合邻域环境函数对所取邻域半径进行调整以生成符合该数据集分布的适应邻域半径,进一步构造赋分直觉模糊序邻域粗糙集。接着基于相对决策自信息测度,构造反映分类能力的特征评价指标并设计相应的特征选择算法。最后,通过数值实验说明该方法分类能力的优越性。

关键词：粒计算特征选择优势邻域粗糙集增量学习直觉模糊信息系统

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：