基于粗糙集的特征選取算法研究.pdf

1、特征選取是數(shù)據挖掘、機器學習和模式識別中的一項重要技術，在數(shù)據準備和預處理過程中發(fā)揮著重要作用。它能夠刪除原始數(shù)據中的冗余屬性，起到提高學習的準確性和減少學習的時間的效果。粗糙集理論是一種處理不確定和模糊知識的重要數(shù)學工具，它能在無任何先驗信息的條件下,通過知識約簡得到問題的決策。近來,粗糙集理論在特征選取算法中得到了廣泛的應用，算法的有效性和應用成為了研究的熱點。 針對判斷兩個正區(qū)域相等算法的低效性問題，實現(xiàn)了一種高效的正區(qū)域

2、相等判定算法。在此基礎上，實現(xiàn)了一種基于相關信息量的特征選取算法。 針對正區(qū)域計算過程中存在不一致數(shù)據信息丟失的問題，實現(xiàn)了一種將非一致性數(shù)據進行歸類處理的方法。然后針對現(xiàn)有的粗糙集特征選取算法僅僅單獨考慮屬性的重要性存在的問題，通過將屬性的重要性和規(guī)則支持度相結合的方式進行特征評價。最后，在前面研究的基礎上實現(xiàn)了一種基于支持度的特征選取算法，并用國際機器學習數(shù)據庫中的數(shù)據驗證了算法的有效性。 為了檢驗算法的實用性，設計