多目標(biāo)進(jìn)化模糊分類(lèi)算法及其在不平衡數(shù)據(jù)中的應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展與普及，數(shù)據(jù)的規(guī)模越來(lái)越大、復(fù)雜度越來(lái)越高、內(nèi)容越來(lái)越難以捉摸，這給我們帶來(lái)了新的挑戰(zhàn)。面對(duì)如此大量的數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)可以幫助我們從中發(fā)現(xiàn)有用的信息。其中值得關(guān)注的一個(gè)問(wèn)題是分類(lèi)問(wèn)題，而分類(lèi)問(wèn)題中較難解決的問(wèn)題是不平衡數(shù)據(jù)分類(lèi)問(wèn)題。近年來(lái)，多目標(biāo)進(jìn)化算法成了學(xué)者們研究的焦點(diǎn)而模糊分類(lèi)器在解決不平衡數(shù)據(jù)分類(lèi)問(wèn)題上也取得了較好的效果，自然而然，將兩者進(jìn)行結(jié)合產(chǎn)生的多目標(biāo)進(jìn)化模糊分類(lèi)算法就成了解決不平衡數(shù)據(jù)分類(lèi)問(wèn)題的焦點(diǎn)。<

2、br>　　本文中提出了基于分解的多目標(biāo)進(jìn)化模糊分類(lèi)算法，它包含兩部分：模糊分類(lèi)器以及多目標(biāo)進(jìn)化算法，我們分別對(duì)兩個(gè)部分進(jìn)行了改進(jìn)。首先分別介紹了不平衡數(shù)據(jù)分類(lèi)問(wèn)題、模糊分類(lèi)器以及多目標(biāo)進(jìn)化算法的理論背景，繼而，第二章和第三章分別對(duì)模糊分類(lèi)器和多目標(biāo)進(jìn)化算法進(jìn)行了改進(jìn)。具體研究工作如下：
　　1．提出了一種復(fù)雜度可調(diào)的引入不平衡度的模糊分類(lèi)器。向模糊分類(lèi)器中引入了復(fù)雜度控制機(jī)制以及不平衡度機(jī)制，復(fù)雜度控制機(jī)制可人為設(shè)置復(fù)雜度因子的值

3、，從而控制模糊分類(lèi)器的復(fù)雜度。不平衡度機(jī)制是在確定模糊規(guī)則的權(quán)重時(shí)將類(lèi)間不平衡度考慮在內(nèi)，使少數(shù)類(lèi)數(shù)據(jù)得到較高的權(quán)重。
　　2．提出了一種改進(jìn)更新機(jī)制的MOEA/D。算法采用改進(jìn)了更新機(jī)制的多目標(biāo)進(jìn)化算法作為基礎(chǔ)優(yōu)化算法。首先，我們采用進(jìn)化的方式產(chǎn)生多個(gè)后代個(gè)體，然后依次采用這些后代個(gè)體對(duì)當(dāng)前個(gè)體執(zhí)行更新操作，而不是對(duì)鄰居域內(nèi)的所有個(gè)體執(zhí)行更新操作。實(shí)驗(yàn)證明，在處理不平衡數(shù)據(jù)集時(shí)這一算法有較好的效果，不僅加快了算法的收斂速度而且取

4、得了較好的效果。
　　3．提出了一種用于醫(yī)學(xué)圖像分類(lèi)的多目標(biāo)進(jìn)化模糊分類(lèi)算法。將基于分解的多目標(biāo)進(jìn)化模糊分類(lèi)算法應(yīng)用于醫(yī)療數(shù)據(jù)以及醫(yī)學(xué)圖像中，醫(yī)療數(shù)據(jù)是經(jīng)由專(zhuān)業(yè)人士提取的醫(yī)學(xué)方面的不平衡數(shù)據(jù)。對(duì)于醫(yī)學(xué)圖像而言我們需要先將圖像提取成數(shù)據(jù)然后進(jìn)行分類(lèi)處理。實(shí)驗(yàn)表明我們的算法對(duì)醫(yī)學(xué)數(shù)據(jù)以及醫(yī)學(xué)圖像具有較好的分類(lèi)性能。
　　本課題得到國(guó)家自然科學(xué)基金(No.61373111)、省自然科學(xué)基金(No.2014JM8321)、中央高?；?/p>