基于粗糙集分類算法的研究及應(yīng)用.pdf

1、粗糙集理論是1982年由波蘭著名的科學(xué)家Z.Pawlak提出來的。它是一種能夠有效的處理不精確，不確定性數(shù)據(jù)的數(shù)學(xué)工具，并且它還具有不需要任何的先驗知識，只依賴于數(shù)據(jù)集本身等優(yōu)點。粗糙集理論已成為數(shù)據(jù)挖掘、機器學(xué)習(xí)等領(lǐng)域研究熱點之一。本文對粗糙集的主要核心問題進行了研究分析和改進，將粗糙集與傳統(tǒng)算法加權(quán)K近鄰(KNN)相結(jié)合來解決不確定性問題，并對改進后的粗糙集算法采用UCI數(shù)據(jù)集進行測試，最后，將其應(yīng)用于群體異常識別中。主要工作如下:

2、
　　1.粗糙集規(guī)則提取。規(guī)則提取主要涉及屬性值離散化、屬性約簡和屬性值約簡三個方面問題。①由于現(xiàn)實生活中的一些實際問題往往都是由連續(xù)型的屬性組成的，而粗糙集僅適用于離散屬性的信息系統(tǒng)。因此，為了將粗糙集能夠處理不確定，不精確的問題的能力，以及不需要任何的先驗知識，只依賴于數(shù)據(jù)集本身等優(yōu)點充分運用到實際問題中，必須對實際問題的連續(xù)型屬性進行離散化預(yù)處理工作。本文分別對基于遺傳算法的連續(xù)型屬性離散化方法和基于粒子群算法的連續(xù)型屬性離

3、散化方法進行了分析。遺傳算法在迭代的過程中，通過選擇操作保留上一代優(yōu)秀個體，并通過變異操作增加種群的多樣性，但其易于陷入局部最優(yōu)解。粒子群算法在迭代的過程中增加了全局部分的考慮，但其收斂速度較快，并且沒有保護上一代的優(yōu)秀個體?；谏鲜龇治?，本文提出了基于粒子群和遺傳算法相結(jié)合的連續(xù)型屬性離散化方法。②粗糙集屬性約簡和屬性值約簡都是粗糙集理論研究的核心問題。本文對基于區(qū)分矩陣的屬性約簡算法和基于信息熵的屬性約簡算法進行了分析與研究，并分析

4、了各算法存在的局限性。最后，本文對基于二進制區(qū)分矩陣屬性約簡算法進行了改進。③本文針對屬性值約簡算法主要分析了常犁云，王國胤等人提出的啟發(fā)式值約簡算法，其主要思想是對信息決策表中的條件屬性進行逐個考察，根據(jù)條件屬性的值對信息表的不同影響做出不同標(biāo)記，針對不同標(biāo)記作不同處理。本文對該算法提出了可能會存在潛在的問題，并對它做出相應(yīng)的修改。
　　2.在規(guī)則提取過程中，知識庫中的規(guī)則一般是通過對訓(xùn)練數(shù)據(jù)集進行學(xué)習(xí)得到。而訓(xùn)練數(shù)據(jù)一般是對原

5、始數(shù)據(jù)進行定量的抽樣得到。對于不屬于訓(xùn)練數(shù)據(jù)集，但屬于原始數(shù)據(jù)集的樣本來說，粗糙集是無法對它進行正確的分類。為了能夠讓粗糙集對未學(xué)習(xí)過的樣本正確分類。本文將粗糙集與傳統(tǒng)算法加權(quán)K近鄰(KNN)進行結(jié)合，從而進一步提高了粗糙集的正確率。目前粗糙集與其他分類方法相結(jié)合也是粗糙集的研究熱點之一，其主要分為兩個方面:一方面，由于粗糙集可以處理不確定性的問題的能力，然而它僅僅是得到不確定性問題的區(qū)域，對該區(qū)域的進一步處理還是有賴于其他分類方法。另

6、一方面，對于多維數(shù)據(jù)分析，其他分類方法效果并不是很好，若借助粗糙集的屬性約簡的能力，去除不必要的屬性，降低原始數(shù)據(jù)的維數(shù)，從而能夠提高其他分類方法的效率。本文對粗糙集在測試過程中，存在新樣本無法識別的情況進行了分析。并提出了通過屬性的重要性計算權(quán)值的加權(quán)K近鄰(KNN)方法來解決。最后，將該改進后的算法用于UCI測試數(shù)據(jù)庫，得到了較好的測試效果。
　　3.將改進后的粗糙集算法應(yīng)用于群體異常行為識別中，通過提取群體異常行為的特征，并

7、對其進行離散化操作后，得到關(guān)于群體異常行為的決策表。再對該決策表進行屬性約簡和屬性值約簡，提取決策表的決策規(guī)則。最后進行預(yù)測，并分析結(jié)果。
　　綜上所述，本文主要對粗糙集屬性離散化問題，提出了基于遺傳算法和粒子群算法相結(jié)合的屬性約簡算法;對屬性約簡和屬性值約簡算法進行了分析與研究，對現(xiàn)有屬性值約簡算法提出了可能會存在潛在的問題，并提出了修改方法;粗糙集在測試過程中，針對存在新樣本無法識別的情況，提出了通過屬性的重要性計算權(quán)值的加權(quán)