基于粗糙集的特征選取算法研究.pdf

1、特征選取是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和模式識(shí)別中的一項(xiàng)重要技術(shù)，在數(shù)據(jù)準(zhǔn)備和預(yù)處理過程中發(fā)揮著重要作用。它能夠刪除原始數(shù)據(jù)中的冗余屬性，起到提高學(xué)習(xí)的準(zhǔn)確性和減少學(xué)習(xí)的時(shí)間的效果。粗糙集理論是一種處理不確定和模糊知識(shí)的重要數(shù)學(xué)工具，它能在無(wú)任何先驗(yàn)信息的條件下,通過知識(shí)約簡(jiǎn)得到問題的決策。近來(lái),粗糙集理論在特征選取算法中得到了廣泛的應(yīng)用，算法的有效性和應(yīng)用成為了研究的熱點(diǎn)。 針對(duì)判斷兩個(gè)正區(qū)域相等算法的低效性問題，實(shí)現(xiàn)了一種高效的正區(qū)域

2、相等判定算法。在此基礎(chǔ)上，實(shí)現(xiàn)了一種基于相關(guān)信息量的特征選取算法。 針對(duì)正區(qū)域計(jì)算過程中存在不一致數(shù)據(jù)信息丟失的問題，實(shí)現(xiàn)了一種將非一致性數(shù)據(jù)進(jìn)行歸類處理的方法。然后針對(duì)現(xiàn)有的粗糙集特征選取算法僅僅單獨(dú)考慮屬性的重要性存在的問題，通過將屬性的重要性和規(guī)則支持度相結(jié)合的方式進(jìn)行特征評(píng)價(jià)。最后，在前面研究的基礎(chǔ)上實(shí)現(xiàn)了一種基于支持度的特征選取算法，并用國(guó)際機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)中的數(shù)據(jù)驗(yàn)證了算法的有效性。 為了檢驗(yàn)算法的實(shí)用性，設(shè)計(jì)