發(fā)布時(shí)間：2018-05-31 11:57

  本文選題：屬性約簡(jiǎn) + 粗糙集�。� 參考：《小型微型計(jì)算機(jī)系統(tǒng)》2016年12期

【摘要】：屬性約簡(jiǎn)是粗糙集理論重要研究?jī)?nèi)容之一.Pawlak粗糙集約簡(jiǎn)的對(duì)象一般是有監(jiān)督數(shù)據(jù)或者是無(wú)監(jiān)督數(shù)據(jù).而在很多現(xiàn)實(shí)問(wèn)題中有標(biāo)記數(shù)據(jù)很有限,更多的是無(wú)標(biāo)記數(shù)據(jù),即半監(jiān)督數(shù)據(jù).僅利用有標(biāo)記數(shù)據(jù)一般難以計(jì)算出質(zhì)量較好的屬性約簡(jiǎn).為此,基于粗糙集理論,結(jié)合集成學(xué)習(xí)與半監(jiān)督學(xué)習(xí),提出有效地利用無(wú)標(biāo)記數(shù)據(jù)計(jì)算半監(jiān)督數(shù)據(jù)屬性約簡(jiǎn)算法.該算法在有標(biāo)記數(shù)據(jù)上構(gòu)造一組差異性較大的屬性約簡(jiǎn)構(gòu)造集成基分類器,在半監(jiān)督自訓(xùn)練學(xué)習(xí)過(guò)程中,用集成分類器對(duì)無(wú)標(biāo)記數(shù)據(jù)做出預(yù)測(cè),擴(kuò)大有標(biāo)記數(shù)據(jù)集,從而獲得質(zhì)量更好的約簡(jiǎn).UCI數(shù)據(jù)集實(shí)驗(yàn)分析表明該算法是有效可行的.
[Abstract]:Attribute reduction is one of the important research contents in rough set theory. The objects of Pawlak rough set reduction are generally supervised data or unsupervised data. In many practical problems, there are very limited labeled data, more is unlabeled data, that is, semi-supervised data. It is difficult to calculate attribute reduction with good quality only by using marked data. Based on rough set theory and integrated learning and semi-supervised learning, an effective attribute reduction algorithm for semi-supervised data is proposed by using unmarked data. In this algorithm, a group of attribute reduction on marked data is constructed to construct an ensemble base classifier. In the process of semi-supervised self-training and learning, an integrated classifier is used to predict the unmarked data and to expand the labeled data set. The experimental results of better quality reduction. UCI dataset show that the algorithm is effective and feasible.
【作者單位】： 同濟(jì)大學(xué)電子與信息工程學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系;上海電力學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;同濟(jì)大學(xué)嵌入式系統(tǒng)與服務(wù)計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室;深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院;香港理工大學(xué)應(yīng)用科學(xué)與紡織學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61273304)資助 2013年度高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20130072130004)資助
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁漢寧;;雙層多示例集成學(xué)習(xí)[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2011年05期

2 俞揚(yáng);周志華;;集成學(xué)習(xí)中完全隨機(jī)學(xué)習(xí)策略研究[J];計(jì)算機(jī)工程;2006年17期

3 張滄生;崔麗娟;楊剛;倪志宏;;集成學(xué)習(xí)算法的比較研究[J];河北大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

4 陳凱;;基于聚類技術(shù)的集成學(xué)習(xí)差異性研究[J];南京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年04期

5 李凱;崔麗娟;;集成學(xué)習(xí)算法的差異性及性能比較[J];計(jì)算機(jī)工程;2008年06期

6 潘志松;燕繼坤;;少數(shù)類的集成學(xué)習(xí)[J];南京航空航天大學(xué)學(xué)報(bào);2009年04期

7 陳凱;馬景義;;一種選擇性SER-BagBoosting Trees集成學(xué)習(xí)研究[J];計(jì)算機(jī)科學(xué);2009年09期

8 陳全;趙文輝;李潔;江雨燕;;選擇性集成學(xué)習(xí)算法的研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年02期

9 張燕平;曹振田;趙姝;鄭堯軍;杜玲;竇蓉蓉;;一種新的決策樹(shù)選擇性集成學(xué)習(xí)方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年17期

10 饒峰;;核機(jī)器集成學(xué)習(xí)算法的誤差分析[J];重慶文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年04期

相關(guān)會(huì)議論文 前3條

1 關(guān)菁華;劉大有;賈海洋;;自適應(yīng)多分類器集成學(xué)習(xí)算法[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（二）[C];2008年

2 葉紅云;倪志偉;陳恩紅;;一種混合型集成學(xué)習(xí)演化決策樹(shù)算法[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

3 李燁;蔡云澤;許曉鳴;;基于支持向量機(jī)集成的故障診斷[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 王永明;集成回歸問(wèn)題若干關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2015年

2 常征;基于混合集成學(xué)習(xí)的眼部與四肢交互動(dòng)作建模與識(shí)別[D];北京科技大學(xué);2016年

3 張春霞;集成學(xué)習(xí)中有關(guān)算法的研究[D];西安交通大學(xué);2010年

4 劉天羽;基于特征選擇技術(shù)的集成學(xué)習(xí)方法及其應(yīng)用研究[D];上海大學(xué);2007年

5 尹華;面向高維和不平衡數(shù)據(jù)分類的集成學(xué)習(xí)研究[D];武漢大學(xué);2012年

6 王清;集成學(xué)習(xí)中若干關(guān)鍵問(wèn)題的研究[D];復(fù)旦大學(xué);2011年

7 方育柯;集成學(xué)習(xí)理論研究及其在個(gè)性化推薦中的應(yīng)用[D];電子科技大學(xué);2011年

8 侯勇;特征提取與集成學(xué)習(xí)算法的研究及應(yīng)用[D];北京科技大學(xué);2015年

9 李燁;基于支持向量機(jī)的集成學(xué)習(xí)研究[D];上海交通大學(xué);2007年

10 程麗麗;支持向量機(jī)集成學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 王希玲;基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測(cè)方法研究[D];青島科技大學(xué);2016年

2 張妤;支持向量機(jī)集成學(xué)習(xí)方法研究[D];山西大學(xué);2008年

3 李濤;基于條件互信息的集成學(xué)習(xí)的研究與應(yīng)用[D];中國(guó)海洋大學(xué);2009年

4 楊長(zhǎng)盛;基于成對(duì)差異性度量的選擇性集成學(xué)習(xí)方法研究[D];安徽大學(xué);2010年

5 曹振田;基于Q統(tǒng)計(jì)量的選擇性集成學(xué)習(xí)研究[D];安徽大學(xué);2010年

6 王麗麗;集成學(xué)習(xí)算法研究[D];廣西大學(xué);2006年

7 馬冉冉;集成學(xué)習(xí)算法研究[D];山東科技大學(xué);2010年

8 張新東;集成學(xué)習(xí)及其應(yīng)用研究[D];石家莊經(jīng)濟(jì)學(xué)院;2010年

9 吳科主;基于多任務(wù)的多層次選擇性集成學(xué)習(xí)的研究[D];安徽工業(yè)大學(xué);2010年

10 李平;集成學(xué)習(xí)中差異性控制方法研究[D];大連海事大學(xué);2012年

，

本文編號(hào)：1959581