基于粗糙集的啟發(fā)式屬性約簡特征選擇方法研究.pdf

1、隨著近年來互聯(lián)網(wǎng)技術(shù)的日趨成熟和應(yīng)用范圍的不斷擴(kuò)大,以文本形式存在的網(wǎng)絡(luò)資源開始與日俱增。面對海量的信息,人們出現(xiàn)了“信息迷失的現(xiàn)象”,將海量信息根據(jù)內(nèi)容進(jìn)行歸類成為了必然的選擇。
　　 自從1957年美國的H.P.Lulm首次展開對自動(dòng)分類的研究以來,文本分類正在贏得越來越多研究人員的關(guān)注,關(guān)于文本分類的研究成果層出不窮,并已經(jīng)被成功地應(yīng)用于搜索引擎、信息過濾、數(shù)字圖書館、郵件分類等領(lǐng)域。作為文本分類的重要環(huán)節(jié),特征選擇對文本

2、分類起著至關(guān)重要的作用。因此,如何利用高效的特征選擇方法降低文本特征集維度,已經(jīng)成為文本分類研究領(lǐng)域中一個(gè)重要的研究課題。
　　 本文在經(jīng)典粗糙集理論的基礎(chǔ)上,首先分析了粗糙集理論在特征降維方面的優(yōu)勢,給出了運(yùn)用粗糙集理論進(jìn)行特征選擇的可行性分析。然后針對目前基于粗糙集的特征選擇方法在處理不一致決策表、時(shí)間復(fù)雜度等問題上的不足,本文提出了基于粗糙集的啟發(fā)式屬性約簡特征選擇算法,并將其應(yīng)用到特征選擇中,不僅大大提高了文本分類的效率

3、,同時(shí)也為特征選擇研究增添了新的研究內(nèi)容。最后在研究了改進(jìn)的特征選擇算法的基礎(chǔ)上,通過與傳統(tǒng)特征選取方法實(shí)驗(yàn)對比,表明該算法在不一致決策表中能較好地進(jìn)行特征降維,獲得較好的分類結(jié)果。
　　 結(jié)合粗糙集理論,本文討論了文本分類特征選擇中存在的問題,并對啟發(fā)式屬性約簡特征選擇進(jìn)行了深入地研究,本文主要工作如下:
　　 1、討論了選題的研究意義,闡述了粗糙集理論的基本概念,研究了影響文本分類的重要因素,分析了常見的文本分類特征

4、選擇方法的特點(diǎn),詳細(xì)介紹了當(dāng)前基于粗糙集的特征選擇方法；
　　 2、為了尋求更為高效的特征選擇方法進(jìn)行特征降維,本文在概述了基于粗糙集的文本分類基礎(chǔ)上,嘗試把粗糙集中的啟發(fā)式屬性約簡算法引入特征選擇中。在一致決策表中,本文在傳統(tǒng)基于粗糙集的正域約簡特征選擇方法基礎(chǔ)上,提出了啟發(fā)式正域約簡特征選擇方法,用于特征降維；針對決策表不一致現(xiàn)象,本文引入粒度函數(shù)來度量不同屬性集之間的差異,并給出了基于粒度函數(shù)的啟發(fā)式屬性約簡特征選擇算法,