基于粗糙集理論的混合數(shù)據(jù)挖掘方法研究

《基于粗糙集理論的混合數(shù)據(jù)挖掘方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、萬(wàn)方數(shù)據(jù)國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：0153．1，TP391國(guó)際圖書(shū)分類(lèi)號(hào)：512年姓西南交通大學(xué)研究生學(xué)位論文級(jí)2009申請(qǐng)學(xué)位級(jí)別盟±專(zhuān)業(yè)讓簋扭型堂皇墊苤指導(dǎo)老師塞壹云麴援密級(jí)：公開(kāi)萬(wàn)方數(shù)據(jù)ClassifiedIndex：0153．1，TP391U．D．C：512SouthwestJiaotongUniversityDoctorDegreeDissertationMixedDataMiningMethodsBasedonRoughSetsTheoryGrade：2009Candidate：HuaZhaoAcademicDegreeAppliedfor：Ph

2、DSpeciality：ComputerScienceandTechnologySupervisor：KeyunQinMarch．16，2014萬(wàn)方數(shù)據(jù)西南交通大學(xué)學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1。保密口，在年解密后適用本授權(quán)書(shū)；2。不保密√使用本授權(quán)書(shū)。(請(qǐng)?jiān)谝陨戏娇騼?nèi)打“、／”

3、)學(xué)位論文作者簽名：癬日期：≯～．多g指導(dǎo)刻隧轢霖芝瘍?nèi)掌冢荷皶?、羅，尸萬(wàn)方數(shù)據(jù)西南交通大學(xué)博士學(xué)位論文創(chuàng)新性聲明本人鄭重聲明：所呈交的學(xué)位論文，是在導(dǎo)師指導(dǎo)下獨(dú)立進(jìn)行研究工作所得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果。對(duì)本文的研究做出貢獻(xiàn)的個(gè)人和集體，均已在文中作了明確的說(shuō)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。本學(xué)位論文的主要?jiǎng)?chuàng)新點(diǎn)如下：1．針對(duì)不完備信息系統(tǒng)提出了基于鄰域．容差關(guān)系的粗糙集模型、基于變精度容差關(guān)系的粗糙集模型和基于變精度鄰域．容差關(guān)系的粗糙集模型，討論了模型的基本性質(zhì)

4、，并基于鄰域．容差信息熵提出了一種特征選擇算法。(第2章)2．研究了樣本選擇和基于樣本的分類(lèi)方法。在變精度容差類(lèi)的基礎(chǔ)上，構(gòu)建了一種文本選擇方法?；卩徲虼植诩岢隽艘环N可以處理混合數(shù)據(jù)的樣本選擇方法。另外，提出了可以處理混合數(shù)據(jù)的原型加權(quán)分類(lèi)方法。(第3章)3．研究了不平衡分類(lèi)問(wèn)題，提出了基于鄰域粗糙集的合成少數(shù)樣本的過(guò)采樣方法。(第4章)4．基于鄰域信息粒的概念，提出了一種可以處理混合數(shù)據(jù)的異常值檢測(cè)算法。(第5章)學(xué)位論文作者簽名：擲日期：步／鏟2占萬(wàn)方數(shù)據(jù)西南交通大學(xué)博士研究生學(xué)位論文第1頁(yè)摘要在許多實(shí)際應(yīng)用領(lǐng)域，需要處理的數(shù)據(jù)大部分是混

5、合類(lèi)型的。最常見(jiàn)的混合類(lèi)型的數(shù)據(jù)是混合了數(shù)值型屬性和符號(hào)型屬性的數(shù)據(jù)。如何針對(duì)混合屬性數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘已經(jīng)成為一個(gè)極富挑戰(zhàn)性的問(wèn)題。本文主要基于粗糙集理論對(duì)混合數(shù)據(jù)挖掘方法展開(kāi)研究。研究?jī)?nèi)容包括不完備信息系統(tǒng)中對(duì)象的相似性刻畫(huà)方法、混合數(shù)據(jù)的特征選擇與樣本選擇、混合數(shù)據(jù)的不平衡分類(lèi)方法與異常值檢測(cè)方法。主要取得了以下四個(gè)方面的研究成果：第一部分，基于已有的不完備信息系統(tǒng)粗糙集擴(kuò)展模型，進(jìn)一步研究了不完備信息系統(tǒng)中對(duì)象之間的相似關(guān)系刻畫(huà)方法，提出了鄰域一容差粗糙集模型、變精度容差粗糙集模型和變精度鄰域．容差粗糙集模型并討論了相關(guān)性質(zhì)。其中，鄰域．容差

6、粗糙集模型和變精度鄰域．容差粗糙集模型可以處理混合數(shù)據(jù)。另外，給出了鄰域．容差關(guān)系下信息熵及條件熵的概念。并利用鄰域．容差條件熵構(gòu)建了一種特征選擇算法。第二部分，研究了樣本選擇方法及基于樣本的分類(lèi)方法。首先提出了一種文本選擇方法。這個(gè)方法用變精度容差關(guān)系來(lái)度量文本的相似度，并用變精度容差類(lèi)作為文本聚類(lèi)。通過(guò)只遍歷一次文本集得到所有的文本聚類(lèi)，而且這些文本聚類(lèi)用聚類(lèi)中心來(lái)表示。這樣大大減少了文本的數(shù)量，可以進(jìn)一步地指導(dǎo)文本分類(lèi)。其次，基于鄰域粗糙集，提出了混合數(shù)據(jù)的樣本選擇算法。在這個(gè)方法中，鄰域決策類(lèi)中的樣本代表內(nèi)部樣本而被全部刪除。通過(guò)鄰域條件概

7、率將決策邊界域中的樣本繼續(xù)劃分成噪聲、靠近分類(lèi)邊界的樣本和遠(yuǎn)離分類(lèi)邊界的樣本。最后僅將靠近分類(lèi)的邊界樣本放入選擇樣本集中。最后，提出了原型加權(quán)分類(lèi)方法。這個(gè)方法先通過(guò)自產(chǎn)生原型算法把整個(gè)樣本集劃分成若干的樣本子集，并用這些子集的均值作為原型點(diǎn)，再根據(jù)樣本子集的大小給這些原型點(diǎn)賦予權(quán)重。然后根據(jù)原型點(diǎn)距離公式計(jì)算測(cè)試樣本與每一類(lèi)原型的距離，最后把測(cè)試樣本歸入距離最近的樣本類(lèi)中。第三部分，研究了不平衡分類(lèi)問(wèn)題。為了緩解SVM的分類(lèi)超平面在不平衡分類(lèi)中的偏置，提出了基于鄰域粗糙集的合成少數(shù)類(lèi)樣本的過(guò)采樣算法(NRS．SMOTE)。這個(gè)方法主要的特點(diǎn)有：1

8、)使用欠采樣技術(shù)清理噪聲；2)不是合成全部的少數(shù)類(lèi)樣本而是只合成在分類(lèi)邊界的少數(shù)類(lèi)樣本，其中分類(lèi)邊界樣本用鄰域粗糙集中的決