基于粗糙集理論的多分類器組合應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)技術(shù)及通信技術(shù)的發(fā)展,各行各業(yè)產(chǎn)生了大量的數(shù)據(jù),為了揭示數(shù)據(jù)中隱含的規(guī)律,數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。目前,主要的數(shù)據(jù)挖掘方法有決策樹、神經(jīng)網(wǎng)絡(luò)、回歸分析、遺傳算法、粗糙集、聚類等。其中,粗糙集理論以數(shù)據(jù)的分類能力為基礎(chǔ),在缺乏先驗(yàn)知識(shí)的情況下,能夠解決潛在的、不確定的或含糊數(shù)據(jù)中的知識(shí)獲取問題。它已在模式識(shí)別、特征選擇、故障診斷等領(lǐng)域取得了成功應(yīng)用。
　　 傳統(tǒng)的分類方法常采用一個(gè)分類器進(jìn)行分類,這就要求這一分類器能在所有

2、的數(shù)據(jù)樣本上都有較好的分類能力,這是難以實(shí)現(xiàn)的。多分類器集成理論為解決單個(gè)分類器分類能力的不足提供了有效方法。但作為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要課題,多分類器集成在粗糙集理論中的應(yīng)用還沒有受到廣泛的關(guān)注。
　　 基于以上背景,本文把粗糙集理論引入多分類器集成,研究了基于粗糙集理論的集成學(xué)習(xí)方法,主要內(nèi)容如下:
　　 1、對(duì)基分類器的構(gòu)造方法進(jìn)行了研究。本文根據(jù)Roughset理論、C4.5算法、NB算法等三種不同的分類算法對(duì)訓(xùn)

3、練數(shù)據(jù)集隨機(jī)訓(xùn)練得到三種類型的基分類器,包括粗糙分類器、貝葉斯分類器和決策樹分類器。
　　 2、對(duì)基分類器的差異性構(gòu)成進(jìn)行了研究。根據(jù)分類器集成理論,基分類器差異性越大,分類器組合的分類效果就越好。本文在兩個(gè)方面體現(xiàn)了基分類器的差異性:一是基分類器是根據(jù)訓(xùn)練數(shù)據(jù)集隨機(jī)生成的;二是基分類器采用三種不同類型的算法訓(xùn)練得到。
　　 3、提出多分類器集成策略及方法。為了達(dá)到最好的集成效果,本文首先訓(xùn)練多個(gè)不同類型分類器,并將訓(xùn)練