版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、特征選擇是一種用來降低數(shù)據(jù)集維度的技術(shù),其核心是從輸入的特征集合中選擇出最具有預(yù)測(cè)性的特征子集來代表原始數(shù)據(jù)集合。特征選擇不僅可以簡(jiǎn)化特征內(nèi)在的關(guān)系還可以改善整體集合的預(yù)測(cè)能力。目前,許多學(xué)者針對(duì)模糊粗糙集的特征選擇進(jìn)行了大量的研究,其中比較常見的有,遺傳算法、蟻群算法(ACO)、粒子群算法(PSO)等。這些算法在魯棒性和求解能力等方面均表現(xiàn)優(yōu)秀,并且它們的共同特點(diǎn)是只有最優(yōu)秀的個(gè)體才能有機(jī)會(huì)被提取出來。然而,某些初始依賴度值低的個(gè)體有
2、可能帶有重要信息,因此上述這些算法可能會(huì)導(dǎo)致重要信息丟失。
針對(duì)以上問題,本文研究了野草算法的特點(diǎn)并且發(fā)現(xiàn)其特點(diǎn)能使模糊粗糙特征選擇更加全面。野草算法認(rèn)為初始依賴度值低的個(gè)體有可能帶有重要信息,因而賦予初始依賴度值低的個(gè)體一定的存活機(jī)會(huì)。該算法早期能夠維持特征種群多樣性而在后期能夠保證最優(yōu)解的選擇優(yōu)勢(shì)。
因此,本文首先將野草算法的特點(diǎn)和模糊粗糙集理論相結(jié)合,繼而提出了基于優(yōu)化野草算法的加權(quán)模糊粗糙特征選擇算法并對(duì)其進(jìn)
3、行編程實(shí)現(xiàn)。其次,利用基于模糊粗糙集的快速屬性約簡(jiǎn)算法來驗(yàn)證特征選擇結(jié)果。最后,將算法模型應(yīng)用于十四類基準(zhǔn)數(shù)據(jù)集和四類具有現(xiàn)實(shí)背景意義的乳腺造影數(shù)據(jù)集進(jìn)行特征選擇,并且將本文算法的特征選擇結(jié)果與其他兩個(gè)算法(蟻群算法和粒子群算法)的特征選擇結(jié)果分別從分類精度和AUC值兩個(gè)方面做出對(duì)比分析。數(shù)據(jù)分析結(jié)果表明,基于本文算法得到的大部分特征選擇結(jié)果可以很好地代表原始數(shù)據(jù)集并且整體性能優(yōu)于蟻群算法和粒子群算法。同時(shí),這也證明了本文算法具有現(xiàn)實(shí)研
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于野草算法的文本特征選擇研究.pdf
- 基于改進(jìn)入侵野草算法的文本特征選擇研究.pdf
- 基于粗糙集的特征選擇算法.pdf
- 基于粗糙集的特征選擇算法研究.pdf
- 基于特征加權(quán)與特征選擇的數(shù)據(jù)挖掘算法研究.pdf
- 基于特征選擇和特征加權(quán)算法的文本分類研究.pdf
- 基于粗糙集的特征選擇高效算法研究.pdf
- 樣本和特征加權(quán)的模糊聚類算法研究.pdf
- 基于粗糙集的特征選擇算法研究及應(yīng)用.pdf
- 基于樣本-特征加權(quán)的模糊核聚類算法研究及應(yīng)用.pdf
- 基于模糊粗糙理論及智能優(yōu)化算法的冶金備件采購優(yōu)化研究.pdf
- 文本分類中特征選擇與加權(quán)算法的研究.pdf
- 基于廣義熵的加權(quán)模糊聚類算法研究.pdf
- 基于類心和特征加權(quán)的特征選擇.pdf
- 基于模糊粗糙集的知識(shí)獲取算法研究.pdf
- 基于模糊粗糙集的降維算法研究.pdf
- 基于樣本加權(quán)的特征基因選擇方法研究.pdf
- 基于加權(quán)特征選擇的誤用入侵檢測(cè)研究.pdf
- 基于加權(quán)模糊概念格的模式匹配算法.pdf
- 基于粗糙集的特征選取算法研究.pdf
評(píng)論
0/150
提交評(píng)論