測試代價敏感粗糙集中屬性約簡算法的研究.pdf

1、粗糙集是一種刻畫不完整和不確定性問題的數(shù)學工具，其不需要任何先驗知識對數(shù)據(jù)進行分析和處理。面對如今高速的信息時代中海量數(shù)據(jù)的形成，粗糙集在分析處理數(shù)據(jù)中發(fā)揮了重要的作用。屬性約簡作為粗糙集理論研究的重要內(nèi)容之一，其核心思想就是保證知識庫的分類能力不變的前提下，刪除冗余、錯誤或者不需要的知識。而代價敏感學習是目前機器學習、數(shù)據(jù)挖掘等領(lǐng)域研究熱點之一，代價包括測試代價、誤分類代價、計算代價和獲取樣本的代價等，其目的是以最小代價為目標建立分類

2、器。將代價敏感學習引入粗糙集理論中的屬性約簡問題值得深入研究，目前將誤分類代價引入粗糙集理論中的相關(guān)研究取得了不錯的研究的成果，而測試代價敏感粗糙集理論的相關(guān)研究近幾年才開始發(fā)展。
　　本文主要研究測試代價敏感粗糙集中屬性約簡問題，分別以完備決策表和不完備決策表作為研究對象，主要的研究工作有以下幾個方面。
　　(1)為了解決測試代價敏感屬性約簡的高效性和準確性問題，提出一種基于免疫量子粒子群優(yōu)化的最小測試代價屬性約簡算法。依

3、據(jù)條件信息熵和測試代價因素定義適當?shù)倪m應(yīng)值函數(shù)，將最小測試代價屬性約簡問題轉(zhuǎn)化為0-1組合優(yōu)化問題，提出最小屬性的屬性約簡問題是一種具有特殊測試代價的最小測試代價屬性約簡問題。最后結(jié)合量子粒子群和人工免疫方法給出約簡算法，實驗分別對比已有的最小屬性約簡算法和測試代價敏感屬性約簡算法，實驗結(jié)果表明該算法是有效可行的。
　　(2)在不完備決策表中，給出高效的計算容差類算法。提出不一致對象概念，研究不一致對象的性質(zhì)，根據(jù)其性質(zhì)給出在不一

4、致對象下的核屬性和屬性約簡的定義并設(shè)計求核屬性算法。提出一個新的屬性重要性定義，最后依據(jù)新的屬性重要性定義設(shè)計一個最壞情況下時間復雜度和空間復雜度分別為O(k|C|2|U|)和O（|U|）的啟發(fā)式屬性約簡算法，其中k為條件屬性中缺省對象所產(chǎn)生的容差類最大的個數(shù)。算法過程只需逐步要求容差類的基數(shù)，大大減少了算法的計算過程。最后通過理論分析、實例分析和實驗分析說明該算法是高效和可行性的屬性約簡算法，并且該算法同時適用于不一致不完備決策表和一

5、致不完備決策表，給不完備決策表屬性約簡算法提供了新的方法。
　　(3)提出不完備決策表測試代價敏感屬性約簡問題，給出不一致對象集定義以及求解不一致對象集的算法。根據(jù)不一致對象的性質(zhì)改進屬性重要性定義，考慮測試代價因素以及不一致對象個數(shù)的改變量給出一個新的屬性重要性的定義和屬性重要性中權(quán)重的設(shè)置方法，并給出屬性重要性的計算算法。在此基礎(chǔ)上，給出一個時間復雜度O(k|C|2|U|)和空間復雜度為O（|U|）啟發(fā)式屬性約簡算法，其中k為