多目標(biāo)進化模糊分類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)模越來越大、復(fù)雜度越來越高、內(nèi)容越來越難以捉摸，這給我們帶來了新的挑戰(zhàn)。面對如此大量的數(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)注的一個問題是分類問題，而分類問題中較難解決的問題是不平衡數(shù)據(jù)分類問題。近年來，多目標(biāo)進化算法成了學(xué)者們研究的焦點而模糊分類器在解決不平衡數(shù)據(jù)分類問題上也取得了較好的效果，自然而然，將兩者進行結(jié)合產(chǎn)生的多目標(biāo)進化模糊分類算法就成了解決不平衡數(shù)據(jù)分類問題的焦點。<

2、br>　　本文中提出了基于分解的多目標(biāo)進化模糊分類算法，它包含兩部分：模糊分類器以及多目標(biāo)進化算法，我們分別對兩個部分進行了改進。首先分別介紹了不平衡數(shù)據(jù)分類問題、模糊分類器以及多目標(biāo)進化算法的理論背景，繼而，第二章和第三章分別對模糊分類器和多目標(biāo)進化算法進行了改進。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器。向模糊分類器中引入了復(fù)雜度控制機制以及不平衡度機制，復(fù)雜度控制機制可人為設(shè)置復(fù)雜度因子的值

3、，從而控制模糊分類器的復(fù)雜度。不平衡度機制是在確定模糊規(guī)則的權(quán)重時將類間不平衡度考慮在內(nèi)，使少數(shù)類數(shù)據(jù)得到較高的權(quán)重。
　　2．提出了一種改進更新機制的MOEA/D。算法采用改進了更新機制的多目標(biāo)進化算法作為基礎(chǔ)優(yōu)化算法。首先，我們采用進化的方式產(chǎn)生多個后代個體，然后依次采用這些后代個體對當(dāng)前個體執(zhí)行更新操作，而不是對鄰居域內(nèi)的所有個體執(zhí)行更新操作。實驗證明，在處理不平衡數(shù)據(jù)集時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)圖像分類的多目標(biāo)進化模糊分類算法。將基于分解的多目標(biāo)進化模糊分類算法應(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)由專業(yè)人士提取的醫(yī)學(xué)方面的不平衡數(shù)據(jù)。對于醫(yī)學(xué)圖像而言我們需要先將圖像提取成數(shù)據(jù)然后進行分類處理。實驗表明我們的算法對醫(yī)學(xué)數(shù)據(jù)以及醫(yī)學(xué)圖像具有較好的分類性能。
　　本課題得到國家自然科學(xué)基金(No.61373111)、省自然科學(xué)基金(No.2014JM8321)、中央高?；?/p>