欢迎来到天天文库
浏览记录
ID:32974855
大小:2.08 MB
页数:54页
时间:2019-02-18
《基于粗糙集和粒子群的数据挖掘方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、长沙理工大学硕士学位论文基于粗糙集和粒子群的数据挖掘方法研究姓名:曾正良申请学位级别:硕士专业:计算机软件与理论指导教师:罗可20090301摘要数据挖掘技术通常由机器学习、数据库和统计理论等技术相结合进行挖掘,是从许多较复杂关系的实际数据中,提取有潜在价值的数据信息的非平凡操作。粗糙集理论建立在对象里不可分辨关系的基础上,能有效地解决不精确、不完整和不一致的数据,为进行有效地数据挖掘提供了新的思路和技术,在各方面都得到了成功的应用。粒子群算法是一种演智能技术,具有简单、有效、收敛速度较快、全局搜索能力较强等特点。本文探讨了粗糙集的相关理论,把粗糙集与粒子群算法相结合进行数据预
2、处理,主要研究工作包括以下方面:1)通过分析现有的不完备信息系统中空缺值的处理方法及其优缺点,并对现有约简算法及其不足进行比较和分析,引入了改进二进制粒子群算法,提出将粗糙集理论与粒子群算法相结合对不完备决策表进行属性约简,依照决策属性对条件属性的依赖度,结合近似分类精度与近似分类质量给出了粒子适应度函数。实验证明该属性约简算法收敛快,约简效率高。2)对含有离散属性和连续属性的混合属性数据进行分类处理,通过构造复合粒子结构,设计了一种复合粒子群算法,对于连续属性的数据,不必提前进行离散化预处理,而直接进行复合操作,将连续值属性离散化与混合数据分类过程融为一体,保证了分类操作的信
3、息对象的完整,减少误差。实验表明该算法减少了时间开销,有良好的性能。3)通过分析网络信息系统安全评估标准,提出一种基于粗糙集的改进粒子群约简算法,来进行指标属性约简和权集的构建,进而建立新型融合的网络信息系统安全评估方法,最后通过实例说明了该方法的实用性与有效性。关键词:数据挖掘:粗糙集;粒子群;属性约简;数据分类AbstractTheDataMiningtechniqueisacombinationofmachineleaming,database孤dstatisticaltheory:DataMiningcanseekpotential,interestingandValu
4、ableinflon:Ilation.RoughSettheoryisamathelnaticaltoolusedfordealingwithVaguenessanduncertainty.ItisbasedontheindiscemibilityrelationthatdescribesindistinguishaLbleobjects,anditdoesnotrequireanyadditionalempiricalinf.omationofdatasets,thencananalyzeandprocessthenon-accurate,noI卜inte笋ityandinc
5、ompletedata,pr0Videsanewapproachofdatamining.Inrecentmanyareas.Particleswamoptimizationeff.ectual,quickconVergentspeed.years,ithasbeensuccess如nyappliedinisanartificialtechnology.Itissimple,ThisthesisstudiesaboutthetheoriesofRoughSetandpr印rocessesofDataMiningbycombiningtheRoughSetandParticleS
6、wa珊Optimizationtogether’andstudiesafcwprobl锄softhetheory.Thefollowingaresomemainpointsdiscussedbythethesis:1)ThethesisreViewstheexistingapproachestoprocessingmissingValuesandanalyzestheiradvantagesanddisadVantagesinincompleteinf.omationsystems,andconlparestheexistingattributereductionoptimiz
7、ationanditsdrawback.ThethesisimportstheimproVedbinar)rParticleSwa咖Optimization,肌dgiVingtheattributereductionalgorithmofincompletedicision-makingtalblebasedRoughSetandParticleSwamOptimization.Accordingt0d印endenceofdecisionattributeVs.conditionattrib
此文档下载收益归作者所有