2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩162頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著計算機與網(wǎng)絡信息技術(shù)的快速發(fā)展,數(shù)據(jù)的數(shù)量和規(guī)模呈現(xiàn)出空前的增長速度,為我們帶來了一個數(shù)據(jù)膨脹、信息爆炸時代。一方面,現(xiàn)有數(shù)據(jù)從TB級向PB的急劇增長使得數(shù)據(jù)在規(guī)模上已超于人類分析和獲取知識的能力。另一方面,數(shù)據(jù)量的爆炸式增長使傳統(tǒng)的知識獲取方法顯得束手無策,但是不斷豐富的數(shù)據(jù)蘊含信息給人們帶來了更多有價值的知識。如何對現(xiàn)實領(lǐng)域中的海量高維數(shù)據(jù)進行有效的預處理,從而挖掘出潛在有用的知識,已成為當前數(shù)據(jù)挖掘、計算智能和機器學習的重要研

2、究課題之一。
  特征選擇是數(shù)據(jù)挖掘中一個重要數(shù)據(jù)預處理技術(shù)。面臨著現(xiàn)實中許多復雜環(huán)境下數(shù)據(jù)往往呈現(xiàn)的動態(tài)性、不完備性和不精確性等特征,如何高效可行地對數(shù)據(jù)進行特征選擇,是目前特征選擇研究面臨的巨大挑戰(zhàn)問題之一。作為一種刻畫不確定性和不精確信息的數(shù)學工具,粗糙集理論已被廣泛應用到數(shù)據(jù)挖掘、知識發(fā)現(xiàn)和機器學習等領(lǐng)域中,該理論最大的優(yōu)勢是不依賴給定數(shù)據(jù)集之外的任何先驗信息來處理問題,對問題的描述和處理更加客觀。因此,利用粗糙集理論方法

3、研究面向動態(tài)不完備數(shù)據(jù)的特征選擇有著重要的理論和現(xiàn)實意義。
  本文在動態(tài)不完備數(shù)據(jù)的現(xiàn)實背景下,在如何快速、有效地獲取特征子集結(jié)果進而獲取動態(tài)知識這一實際需求的驅(qū)動下,在基于粗糙集理論的特征選擇框架下,以增量式更新策略為研究方法,以不完備數(shù)據(jù)集發(fā)生動態(tài)變化的三種不同情景為主線,系統(tǒng)地研究了動態(tài)不完備數(shù)據(jù)集下特征子集的增量式更新問題,研究目的以增量式方法為動態(tài)不完備數(shù)據(jù)的特征選擇探索有效的途徑,為動態(tài)數(shù)據(jù)的知識發(fā)現(xiàn)探尋新的理論依據(jù)

4、和實現(xiàn)方法。為此,本文以粗糙集理論為研究工具,針對動態(tài)不完備數(shù)據(jù)進行系統(tǒng)的特征選擇研究,取得的主要研究成果如下。
  1)提出不完備數(shù)據(jù)集中對象集發(fā)生增加和刪除時正區(qū)域的增量式更新機制,在正區(qū)域更新機制的基礎(chǔ)上,定義特征重要度的度量函數(shù),并設(shè)計對象集隨時間變化時基于正區(qū)域的增量式特征選擇算法。相關(guān)實驗結(jié)果驗證了提出算法的高效性和可行性。(第二章)
  2)針對不完備數(shù)據(jù)集中特征集發(fā)生增加和刪除情況,通過分析不完備數(shù)據(jù)集中容差

5、粒度的變化,分別建立特征集增加和刪除下正區(qū)域的增量式更新機制,并依此分別設(shè)計了特征集增加和刪除時的增量式特征選擇算法。理論分析和相關(guān)實驗結(jié)果都驗證了提出算法的高效性和有效性。(第三章)
  3)提出不完備數(shù)據(jù)集中特征值發(fā)生動態(tài)變化時正區(qū)域的增量式更新機制,在此基礎(chǔ)上,并設(shè)計了特征值隨時間變化時增量式特征選擇算法。特別是當多個對象的特征值發(fā)生動態(tài)變化時,提出算法可一次性求得特征子集結(jié)果,無需重復執(zhí)行單個對象特征值變化時的增量式特征選

6、擇算法來求解特征子集。理論分析和相關(guān)實驗結(jié)果都驗證了提出算法的高效性和有效性。(第四章)
  4)針對不完備數(shù)據(jù)集中單一特征評估函數(shù)在現(xiàn)有特征選擇算法中面臨的缺點,結(jié)合粒度度量準則,從不同角度出發(fā),提出一種基于混合特征評估函數(shù)來度量候選特征的區(qū)分能力,并設(shè)計基于貪心向前搜索的特征選擇算法。同時,針對代價敏感的不完備數(shù)據(jù)集,以混合度量的視角為出發(fā)點,提出一種混合評估函數(shù)來度量特征子集的質(zhì)量。在此基礎(chǔ)上,為進一步加快特征選擇進程,提出

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論