基于Rough集的神經(jīng)網(wǎng)絡(luò)分類(lèi)器.pdf

1、作為挖掘隱藏于海量數(shù)據(jù)中有價(jià)值知識(shí)的數(shù)據(jù)挖掘技術(shù)，自20世紀(jì)80年代后期提出以來(lái)發(fā)展迅猛，現(xiàn)在廣泛應(yīng)用于商業(yè)、電信、金融、生物學(xué)等領(lǐng)域。其中分類(lèi)技術(shù)作為數(shù)據(jù)挖掘的一個(gè)研究熱點(diǎn)，如何構(gòu)造一個(gè)高效的分類(lèi)器是主要研究對(duì)象。本文充分利用Rough集和神經(jīng)網(wǎng)絡(luò)各自的優(yōu)點(diǎn)，構(gòu)造了基于Rough集的神經(jīng)網(wǎng)絡(luò)分類(lèi)器。 Rough集是一種處理不完整、不確定知識(shí)的數(shù)學(xué)工具，在不需要所處理數(shù)據(jù)之外任何知識(shí)的條件下可以發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律。而作為Rough

2、集中核心概念之一的屬性約簡(jiǎn)廣泛應(yīng)用于對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，刪除數(shù)據(jù)中的冗余屬性。而神經(jīng)網(wǎng)絡(luò)模擬生物神經(jīng)處理元，通過(guò)不斷地學(xué)習(xí)，調(diào)整權(quán)值，建立處理問(wèn)題的模型。其具有高度的非線性映射能力、并行性、魯棒性以及自組織和自學(xué)習(xí)能力，廣泛應(yīng)用于分類(lèi)數(shù)據(jù)。 Rough集和神經(jīng)網(wǎng)絡(luò)都廣泛的應(yīng)用于數(shù)據(jù)挖掘。但由于Rough集對(duì)數(shù)據(jù)中的噪聲數(shù)據(jù)敏感，而神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)中的冗余數(shù)據(jù)的學(xué)習(xí)容易導(dǎo)致網(wǎng)絡(luò)訓(xùn)練過(guò)度。因此本文首先使用Rough集對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，刪

3、除其中的冗余數(shù)據(jù)，然后將處理后的數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，構(gòu)造了基于Rough集的神經(jīng)網(wǎng)絡(luò)分類(lèi)器。 本文主要研究?jī)?nèi)容如下： 第一，介紹了Rough集的基本概念，深入研究了Rough集中U/P算法，針對(duì)目前求U/P算法的不足，結(jié)合樹(shù)型結(jié)構(gòu)提出了一種新的求U/P的數(shù)據(jù)結(jié)構(gòu)――不可分辨關(guān)系樹(shù)，在此基礎(chǔ)之上實(shí)現(xiàn)了一個(gè)求解U/P的快速算法。 第二，將量子遺傳算法引入屬性約簡(jiǎn)，結(jié)合傳統(tǒng)遺傳算法中的操作算子，在量子遺傳算法中加