三种代价环境下的代价敏感属性择

《三种代价环境下的代价敏感属性择》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、＾词油钟藏乂違理学硕±学位论文Ｈ种代价环境下的代价敏感属性选择，－，－－——－＊牛军话？－巧南师范大学二〇—六年六月ｒ＾、？＇、■Ｚ－＾．，■－－？．二二＇，？？－？．、？—一＇、作－Ｖ—、．．心．■．、＊、？■？？－－？＇■－一－－ｔ－．．．，一－－．、—、＇－＇、、－－巾：，＇＇：．．—－■甲、：、需气二娜，如、—＇、－‘立三一学校代码：

2、10402学号：2013142013分类号：密级：理学硕士学位论文三种代价环境下的代价敏感属性择学位申请人:牛军霞指导教师:闵帆教授赵红副教授学位类别:理学硕士学科专业:应用数学授予单位:闽南师范大学答辩日期:二○一六年六月CODE：10402NO.：2013142013U.D.C.：ClassifiedIndex：ADissertationfortheMasterDegreeofEngineeringThreekindsofcostundertheenvironmentforsensitiveattributeselectionCandi

3、date：JunxiaNiuSupervisor：Prof.FanMinAssoProf.HongZhaoSpecialty：AppliedMathematicsAcademicDegreeAppliedfor：MasterofScienceUniversity：MinnanNormalUniversityDateofOralExamination：June，2016闽南师范大学学位论文原创性声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果本人郑重声明。除了文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人

4、或集体己经发表或演写的成果作品。对本文的研巧做出重要贡献的个人和集体，均己在文中Ｗ明确方式标明。本人完全意识到本声明的法律后果由本人承担。巧■作者签名：日期Ｊｏｉ户年月冬曰＾三声学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权闽南师范大学可将本学位论文的全部或部分內容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于１、保密□。，在年

5、解密后适用本授权书／２、不保密Ｓ／（请在＾处上相应方框骑ｌｌ作者签名〇｜：户唯日期＝年／月＾曰Ｉ：导师签名龜Ｊ？／日期：年乂月梦日摘要摘要代价敏感学习是数据挖掘的研究热点，预算约束满足问题是人工智能和机器学习领域著名的问题之一。最近几年，研究最小测试代价下的属性选择问题一直是代价敏感学习中的重点。但在实际应用中，由于任何一样资源都是有限的，所以解决任何一个实际问题，都是在一定的预算约束下完成的。因此研究预算约束下的代价敏感属性选择问题在众多的应用领域有着重要的意义和广泛的应用。另外，当前代价敏感算法普遍采用静态的

6、静态误分类代价，仅能满足实验和前瞻性的需要，不能适应同一类分布样本数量变化的数据集的分类模型的学习。针对静态误分类代价的不足，如何设计动态的误分类代价机制正受到越来越多学者的青睐。本文针对最小测试代价下的属性选择问题，预算约束下的属性选择问题和动态误分类代价下的属性选择问题进行了研究，主要取得了如下创新成果。首先，研究了最小代价下的代价敏感属性选择问题。这个最小代价只单纯考虑了测试代价这一种代价类型。本文提出了一个对数加权算法来求解最小测试代价下的代价敏感属性选择问题。实验结果表明，在大多数情况下，新算法的效果优于已有的算法。其次，研究了预

7、算约束下的代价敏感属性选择问题。预算约束是指所能花费的最大测试代价大于最小测试代价但不大于总测试代价。这意味着，在预算约束的条件下，只能求解能够最大程度保留系统信息的属性子集。本文在预算约束的条件下，设计了一个模拟退火算法来求解代价敏感属性选择问题。实验结果表明，我们设计的算法能够在效果和效率方面获得良好的实验结果，实验结果优于已有的启发式算法和遗传算法。最后，研究了动态误分类代价机制下的代价敏感属性选择问题，并设计了四个最优误分类代价函数，四个函数可以根据少数类与多数类以及与测试代价之间的关系，形成客观的具有代表性的误分类代价空间，并对不

8、同数据子集可以灵活地选择更合适的误分类代价，这样能更好的逼近数据集真实的误分类代价。关键词：代价敏感学习；预算约束；属性选择；动态误分类代价IAbstractAbstractCo