基于智能優(yōu)化算法的粗糙集屬性約簡方法研究.pdf

1、粗糙集作為一種處理不精確、不完整、不確定性數(shù)據(jù)的數(shù)學(xué)工具，其突出優(yōu)點是能夠保持分類和決策不變的前提下刪除冗余屬性，憑借其自身優(yōu)勢已成功應(yīng)用于數(shù)據(jù)挖掘、模式識別、機器學(xué)習(xí)等諸多領(lǐng)域。
　　屬性約簡是粗糙集中知識發(fā)現(xiàn)的核心內(nèi)容之一，但由于屬性的組合爆炸等原因，求解最小約簡被證明是一個NP-hard問題，到目前為止不存在一個公認(rèn)的、高效的約簡算法，引入帶隨機策略的約簡算法，成為改善現(xiàn)有約簡算法的一種必然趨勢。生命科學(xué)與工程科學(xué)的相互交叉

2、、相互滲透和相互促進是近代科學(xué)技術(shù)發(fā)展的一個顯著特點。智能優(yōu)化算法是通過模擬或揭示某些自然現(xiàn)象或過程發(fā)展而來的，智能優(yōu)化算法具有全局的、并行高效的優(yōu)化性能，魯棒性、通用性強，無需問題特殊信息等優(yōu)點，為解決復(fù)雜問題提供了新的思路和手段。論文以粗糙集和智能優(yōu)化算法為基礎(chǔ)，以屬性約簡為對象，對基于智能優(yōu)化算法的屬性約簡方法進行了研究。本文完成了以下工作：
　　1．主要研究了粗糙集中基于屬性重要度、屬性依賴度、區(qū)分矩陣的屬性約簡算法，以及

3、粗糙集與智能優(yōu)化算法相結(jié)合的屬性約簡算法，分析并比較了這些常見屬性約簡算法的優(yōu)缺點。
　　2．針對標(biāo)準(zhǔn)遺傳屬性約簡算法易出現(xiàn)早熟、后期收斂速度過慢等問題，提出了改進的自適應(yīng)遺傳屬性約簡算法(IAGA)，首先，該算法將屬性核加入到算法的初始化種群中，避免了隨機產(chǎn)生初始化種群的盲目性。其次，以重新設(shè)定的自適應(yīng)交叉和變異概率為基礎(chǔ)，根據(jù)適應(yīng)度函數(shù)動態(tài)調(diào)整交叉和變異概率，優(yōu)化了個體被選擇的能力，增加了群體的多樣性，避免了早熟現(xiàn)象的發(fā)生。<

4、br>　　3．遺傳約簡算法和粒子群約簡算法都具有一定的全局搜索能力和隱含并行性，但遺傳約簡算法不具有記憶功能，較優(yōu)解可能會隨著種群的變化而逐漸被破壞，粒子群約簡算法可以對種群中的粒子保持記憶的功能，能夠?qū)⑤^優(yōu)解保存下來，但粒子群約簡算法易于陷入局部最優(yōu)解且有時難以對收斂速度進行控制。為了最大限度的克服存在的問題，提出了基于遺傳算法和粒子群算法的屬性約簡算法(IAGA-PSO)。該算法以條件屬性對決策屬性的支持度為基礎(chǔ)，把屬性核加入到初始