有判定的極小極大規(guī)則學習在圖像情感語義規(guī)則簡化中的應用.pdf

1、粗糙集理論是一種處理不精確、不確定和不完備信息的有效方法，自被提出之日起就受到各國學者的廣泛關注，隨著其在各領域中的成功應用，該理論與其它技術的結合得到了深入研究及發(fā)展；決策樹是數(shù)據(jù)挖掘中常用的分類模型，并以其分類效率高、速度快、規(guī)則直觀易理解等特點在許多領域中被廣泛使用；極小化、極大化是粗糙集理論中的重要概念，基于這兩個概念的極小極大規(guī)則學習方法可以很好地簡化規(guī)則，去除冗余，使規(guī)則獲得更高的支持度；而隨著對圖像檢索要求的不斷提高，基于

2、文本及內(nèi)容的圖像檢索已不能滿足人們的需要，基于語義的圖像檢索技術越來越受到認可，其中基于情感語義的圖像檢索技術研究剛剛起步，但其潛在的應用價值受到該領域專家的廣泛關注。
　　 本文圍繞粗糙集理論、決策樹和極小極大規(guī)則學習進行了相關的研究和創(chuàng)新，提出了有判定的極小極大規(guī)則學習，并將該方法應用于圖像情感語義規(guī)則簡化，為圖像情感語義的研究開拓了新思路。主要內(nèi)容包括：
　　 首先，介紹了本文研究背景、主要工作和論文結構安排，分析

3、了粗糙集、決策樹和圖像情感語義等方面的國內(nèi)外研究動態(tài)；對粗糙集理論和粗糙集中屬性約簡方法及決策樹方法進行了系統(tǒng)的研究，給出了粗糙集中重要概念的定義，分析了屬性約簡及決策樹方法中的主要算法。
　　 其次，研究了極小極大規(guī)則概念，并給出了極小極大規(guī)則學習算法的描述；根據(jù)規(guī)則信息量及規(guī)則可信度的概念提出了兩條規(guī)則篩選準則，并將兩條準則應用于極小極大規(guī)則學習方法，形成有判定的極小極大規(guī)則學習。將該算法應用于決策樹規(guī)則的簡化，可以縮小簡化

4、的范圍，并能在保證規(guī)則覆蓋一致性的基礎上減少規(guī)則的總數(shù)量。
　　 然后，設計了圖像情感語義規(guī)則抽取及簡化流程，并給出了相關的流程圖；詳細描述了實驗具體步驟，開發(fā)了基于屬性重要性屬性約簡的相關工具；以UCI數(shù)據(jù)庫中的多個數(shù)據(jù)集及圖像情感語義數(shù)據(jù)集為實驗數(shù)據(jù)進行了模擬實驗，并對C4.5算法、極小極大規(guī)則學習及本文提出的方法進行了實驗數(shù)據(jù)比較，實驗結果表明，本文提出的有判定的極小極大規(guī)則學習方法較前兩種方法，規(guī)則預測準確率有一定提高，