多目標進化模糊分類算法及其在不平衡數(shù)據中的應用.pdf

1、隨著互聯(lián)網的發(fā)展與普及，數(shù)據的規(guī)模越來越大、復雜度越來越高、內容越來越難以捉摸，這給我們帶來了新的挑戰(zhàn)。面對如此大量的數(shù)據，數(shù)據挖掘技術可以幫助我們從中發(fā)現(xiàn)有用的信息。其中值得關注的一個問題是分類問題，而分類問題中較難解決的問題是不平衡數(shù)據分類問題。近年來，多目標進化算法成了學者們研究的焦點而模糊分類器在解決不平衡數(shù)據分類問題上也取得了較好的效果，自然而然，將兩者進行結合產生的多目標進化模糊分類算法就成了解決不平衡數(shù)據分類問題的焦點。<

2、br>　　本文中提出了基于分解的多目標進化模糊分類算法，它包含兩部分：模糊分類器以及多目標進化算法，我們分別對兩個部分進行了改進。首先分別介紹了不平衡數(shù)據分類問題、模糊分類器以及多目標進化算法的理論背景，繼而，第二章和第三章分別對模糊分類器和多目標進化算法進行了改進。具體研究工作如下：
　　1．提出了一種復雜度可調的引入不平衡度的模糊分類器。向模糊分類器中引入了復雜度控制機制以及不平衡度機制，復雜度控制機制可人為設置復雜度因子的值

3、，從而控制模糊分類器的復雜度。不平衡度機制是在確定模糊規(guī)則的權重時將類間不平衡度考慮在內，使少數(shù)類數(shù)據得到較高的權重。
　　2．提出了一種改進更新機制的MOEA/D。算法采用改進了更新機制的多目標進化算法作為基礎優(yōu)化算法。首先，我們采用進化的方式產生多個后代個體，然后依次采用這些后代個體對當前個體執(zhí)行更新操作，而不是對鄰居域內的所有個體執(zhí)行更新操作。實驗證明，在處理不平衡數(shù)據集時這一算法有較好的效果，不僅加快了算法的收斂速度而且取

4、得了較好的效果。
　　3．提出了一種用于醫(yī)學圖像分類的多目標進化模糊分類算法。將基于分解的多目標進化模糊分類算法應用于醫(yī)療數(shù)據以及醫(yī)學圖像中，醫(yī)療數(shù)據是經由專業(yè)人士提取的醫(yī)學方面的不平衡數(shù)據。對于醫(yī)學圖像而言我們需要先將圖像提取成數(shù)據然后進行分類處理。實驗表明我們的算法對醫(yī)學數(shù)據以及醫(yī)學圖像具有較好的分類性能。
　　本課題得到國家自然科學基金(No.61373111)、省自然科學基金(No.2014JM8321)、中央高?；?/p>