基于鄰域粗糙集的增量學(xué)習(xí)算法研究及其在客戶分類上的應(yīng)用.pdf

1、近幾年來(lái)，隨著科學(xué)技術(shù)的迅猛發(fā)展，人們獲取數(shù)據(jù)的能力也迅速提高，社會(huì)各部門時(shí)刻產(chǎn)生大量數(shù)據(jù)，如何從這些新增數(shù)據(jù)中提煉有用信息并對(duì)數(shù)據(jù)進(jìn)行分析和處理是一個(gè)難題。傳統(tǒng)的機(jī)器學(xué)習(xí)屬于靜態(tài)學(xué)習(xí)，即在學(xué)習(xí)前，必須將所有的數(shù)據(jù)準(zhǔn)備好，而這種要求在現(xiàn)實(shí)生活中是不能滿足的，但增量學(xué)習(xí)機(jī)制能夠有效解決這個(gè)難題。因此，研究有效的增量學(xué)習(xí)機(jī)制和算法，實(shí)現(xiàn)對(duì)數(shù)據(jù)的動(dòng)態(tài)處理，具有十分重要的理論意義。
　　胡清華教授提出的鄰域分類器是一種簡(jiǎn)單、有效的分類方法

2、，但它屬于非增量的分類器，不能有效處理增量數(shù)據(jù)，從而限制了它在一些領(lǐng)域的應(yīng)用。本文分析發(fā)現(xiàn)鄰域分類器的兩點(diǎn)不足:一方面，屬性約簡(jiǎn)是分類過(guò)程中的一個(gè)重要環(huán)節(jié)，一般的增量式屬性約簡(jiǎn)算法只能處理增加屬性或增加樣本的一種情況，沒有綜合考慮這兩種情況;另一方面，分類器的性能依賴于訓(xùn)練樣本所包含的信息，因此在訓(xùn)練分類器時(shí)，希望訓(xùn)練樣本越多越好，但是龐大的訓(xùn)練樣本也帶來(lái)了不便之處:降低了分類器的分類效率。針對(duì)以上兩方面，主要?jiǎng)?chuàng)新點(diǎn)有:
　　(1

3、)提出了鄰域系統(tǒng)的相對(duì)正域概念，通過(guò)這個(gè)概念可以描述不同鄰域系統(tǒng)之間的粗細(xì)關(guān)系。在分類問(wèn)題中，一個(gè)屬性誘導(dǎo)論域上的鄰域系統(tǒng)越細(xì)，用于觀測(cè)分類問(wèn)題的粒度越細(xì)，那么對(duì)分類的描述就越準(zhǔn)確，即一個(gè)屬性誘導(dǎo)論域上的鄰域系統(tǒng)越細(xì)代表該屬性的分類能力越強(qiáng)。
　　(2)提出了一種基于改進(jìn)的相對(duì)正域的增量式屬性約簡(jiǎn)算法。該算法可以處理屬性和樣本都增加的信息系統(tǒng):當(dāng)新增屬性時(shí)，通過(guò)鄰域系統(tǒng)的相對(duì)正域概念，實(shí)現(xiàn)對(duì)原屬性約簡(jiǎn)集的快速更新。當(dāng)新增樣本時(shí)，主

4、要研究了新增樣本與原約簡(jiǎn)集完全矛盾的情況，通過(guò)找到能夠正確區(qū)分新增樣本和矛盾樣本的屬性，把問(wèn)題轉(zhuǎn)化為新增屬性的情況，這樣既保證得到的新屬性約簡(jiǎn)集沒有冗余屬性，又實(shí)現(xiàn)了把兩種情況的處理方法結(jié)合起來(lái)的目的。
　　(3)針對(duì)鄰域分類器分類效率低的問(wèn)題，提出了一種基于鄰域粗糙集的樣本約減算法:以每個(gè)訓(xùn)練樣本為圓心，定義鄰域半徑為樣本間相似性度量的閾值，向外擴(kuò)展一個(gè)區(qū)域，使這個(gè)區(qū)域覆蓋最多的同類點(diǎn)，而不覆蓋任何異類點(diǎn)，然后選擇覆蓋最多點(diǎn)的區(qū)