基于粗糙集的識(shí)別策略動(dòng)態(tài)選擇算法.pdf

1、隨著信息時(shí)代的到來(lái)，信息量日益增長(zhǎng)，人們對(duì)信息分析工具的要求越來(lái)越高。人們不僅希望我們的分析工具具有能處理海量信息的能力，而且要求它具有較高的準(zhǔn)確率。在數(shù)據(jù)挖掘過(guò)程中通過(guò)對(duì)具有類別標(biāo)記的實(shí)例(數(shù)據(jù))進(jìn)行訓(xùn)練，得到一個(gè)能預(yù)測(cè)新實(shí)例所屬類別的模型，獲得了需要的知識(shí)，接下來(lái)的工作就是根據(jù)對(duì)現(xiàn)實(shí)的觀察，利用已獲得的知識(shí)進(jìn)行推理，得到我們所需要的結(jié)論。近幾十年來(lái)，出現(xiàn)了各種各樣的優(yōu)秀的識(shí)別算法，而且都在一定的領(lǐng)域取得了不錯(cuò)的效果，但由于現(xiàn)實(shí)的復(fù)雜

2、性與數(shù)據(jù)的多樣性，使得如果單一的用某一種方法進(jìn)行識(shí)別，往往都會(huì)由于算法本身的缺陷，或不能得到相對(duì)高的識(shí)別率，或是分類速度較慢、識(shí)別能力不穩(wěn)定等。因此，一些學(xué)者提出將多種分類方法進(jìn)行集成，以提高算法的準(zhǔn)確率。而因?yàn)榇植诩軐?duì)知識(shí)進(jìn)行約簡(jiǎn)處理，簡(jiǎn)化信息系統(tǒng)結(jié)構(gòu)，因此很多學(xué)者將粗糙集與其他分類算法結(jié)合進(jìn)行識(shí)別研究，此方法在一定程度上提高了算法的識(shí)別率，但這些方法大都只利用了粗糙集的預(yù)處理優(yōu)勢(shì)，而忽視了粗糙集本身的分類能力。
　　 粗糙

3、集理論是一種能夠定量分析處理不精確、不一致、不完整信息與知識(shí)的數(shù)學(xué)工具，其不僅能簡(jiǎn)化信息表達(dá)空間，減小訓(xùn)練模型復(fù)雜性和縮短訓(xùn)練時(shí)間，還可以解決重要的分類問(wèn)題。本文利用粗糙集的各種的優(yōu)勢(shì)，將粗糙集、支持向量機(jī)與決策樹(shù)三種方法結(jié)合起來(lái)，通過(guò)分析數(shù)據(jù)特征，提出利用樣本對(duì)規(guī)則集的覆蓋度和設(shè)置一個(gè)相關(guān)閾值來(lái)進(jìn)行最優(yōu)分類方法的動(dòng)態(tài)選擇，在第一時(shí)間為不同的樣本選擇到相對(duì)較優(yōu)的分類算法。
　　 在本文思想基礎(chǔ)上，將算法在一定的環(huán)境進(jìn)行了實(shí)現(xiàn)，實(shí)