有判定的極小極大規(guī)則學(xué)習(xí)在圖像情感語義規(guī)則簡(jiǎn)化中的應(yīng)用.pdf

1、粗糙集理論是一種處理不精確、不確定和不完備信息的有效方法，自被提出之日起就受到各國(guó)學(xué)者的廣泛關(guān)注，隨著其在各領(lǐng)域中的成功應(yīng)用，該理論與其它技術(shù)的結(jié)合得到了深入研究及發(fā)展；決策樹是數(shù)據(jù)挖掘中常用的分類模型，并以其分類效率高、速度快、規(guī)則直觀易理解等特點(diǎn)在許多領(lǐng)域中被廣泛使用；極小化、極大化是粗糙集理論中的重要概念，基于這兩個(gè)概念的極小極大規(guī)則學(xué)習(xí)方法可以很好地簡(jiǎn)化規(guī)則，去除冗余，使規(guī)則獲得更高的支持度；而隨著對(duì)圖像檢索要求的不斷提高，基于

2、文本及內(nèi)容的圖像檢索已不能滿足人們的需要，基于語義的圖像檢索技術(shù)越來越受到認(rèn)可，其中基于情感語義的圖像檢索技術(shù)研究剛剛起步，但其潛在的應(yīng)用價(jià)值受到該領(lǐng)域?qū)＜业膹V泛關(guān)注。
　　 本文圍繞粗糙集理論、決策樹和極小極大規(guī)則學(xué)習(xí)進(jìn)行了相關(guān)的研究和創(chuàng)新，提出了有判定的極小極大規(guī)則學(xué)習(xí)，并將該方法應(yīng)用于圖像情感語義規(guī)則簡(jiǎn)化，為圖像情感語義的研究開拓了新思路。主要內(nèi)容包括：
　　 首先，介紹了本文研究背景、主要工作和論文結(jié)構(gòu)安排，分析

3、了粗糙集、決策樹和圖像情感語義等方面的國(guó)內(nèi)外研究動(dòng)態(tài)；對(duì)粗糙集理論和粗糙集中屬性約簡(jiǎn)方法及決策樹方法進(jìn)行了系統(tǒng)的研究，給出了粗糙集中重要概念的定義，分析了屬性約簡(jiǎn)及決策樹方法中的主要算法。
　　 其次，研究了極小極大規(guī)則概念，并給出了極小極大規(guī)則學(xué)習(xí)算法的描述；根據(jù)規(guī)則信息量及規(guī)則可信度的概念提出了兩條規(guī)則篩選準(zhǔn)則，并將兩條準(zhǔn)則應(yīng)用于極小極大規(guī)則學(xué)習(xí)方法，形成有判定的極小極大規(guī)則學(xué)習(xí)。將該算法應(yīng)用于決策樹規(guī)則的簡(jiǎn)化，可以縮小簡(jiǎn)化

4、的范圍，并能在保證規(guī)則覆蓋一致性的基礎(chǔ)上減少規(guī)則的總數(shù)量。
　　 然后，設(shè)計(jì)了圖像情感語義規(guī)則抽取及簡(jiǎn)化流程，并給出了相關(guān)的流程圖；詳細(xì)描述了實(shí)驗(yàn)具體步驟，開發(fā)了基于屬性重要性屬性約簡(jiǎn)的相關(guān)工具；以UCI數(shù)據(jù)庫中的多個(gè)數(shù)據(jù)集及圖像情感語義數(shù)據(jù)集為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了模擬實(shí)驗(yàn)，并對(duì)C4.5算法、極小極大規(guī)則學(xué)習(xí)及本文提出的方法進(jìn)行了實(shí)驗(yàn)數(shù)據(jù)比較，實(shí)驗(yàn)結(jié)果表明，本文提出的有判定的極小極大規(guī)則學(xué)習(xí)方法較前兩種方法，規(guī)則預(yù)測(cè)準(zhǔn)確率有一定提高，