计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
11期
3116-3121
,共6页
胡学伟%蒋芸%李志磊%沈健%华锋亮
鬍學偉%蔣蕓%李誌磊%瀋健%華鋒亮
호학위%장예%리지뢰%침건%화봉량
粒化和逼近%特征选择%邻域关系%属性依赖性
粒化和逼近%特徵選擇%鄰域關繫%屬性依賴性
립화화핍근%특정선택%린역관계%속성의뢰성
granulating and approximation%feature selection%neighborhood relation%attribute dependence
针对目前模糊等价关系所诱导的模糊粗糙集模型不能准确地反映模糊概念范畴中数值属性描述的决策问题,提出一种基于邻域关系的模糊粗糙集模型NR-FRS,给出了该粗糙集模型的相关定义,在讨论模型性质的基础上进行模糊化邻域近似空间上的推理,并分析特征子空间下的属性依赖性;最后在NR-FRS的基础上提出特征选择算法,构建使得模糊正域增益优于具体阈值的特征子集,进而剔除冗余特征,保留分类能力强的属性.采用UCI标准数据集进行分类实验,使用径向基核函数(RBF)支持向量机作为分类器.实验结果表明,同基于邻域粗糙集的快速前向特征选择方法以及核主成分分析方法(KPCA)相比,NR-FRS模型特征选择算法所得特征子集中特征数量依据参数变化更加平缓、稳定.同时平均分类准确率提升最好可以达到5.2%,且随特征选择参数呈现更加平稳的变化.
針對目前模糊等價關繫所誘導的模糊粗糙集模型不能準確地反映模糊概唸範疇中數值屬性描述的決策問題,提齣一種基于鄰域關繫的模糊粗糙集模型NR-FRS,給齣瞭該粗糙集模型的相關定義,在討論模型性質的基礎上進行模糊化鄰域近似空間上的推理,併分析特徵子空間下的屬性依賴性;最後在NR-FRS的基礎上提齣特徵選擇算法,構建使得模糊正域增益優于具體閾值的特徵子集,進而剔除冗餘特徵,保留分類能力彊的屬性.採用UCI標準數據集進行分類實驗,使用徑嚮基覈函數(RBF)支持嚮量機作為分類器.實驗結果錶明,同基于鄰域粗糙集的快速前嚮特徵選擇方法以及覈主成分分析方法(KPCA)相比,NR-FRS模型特徵選擇算法所得特徵子集中特徵數量依據參數變化更加平緩、穩定.同時平均分類準確率提升最好可以達到5.2%,且隨特徵選擇參數呈現更加平穩的變化.
침대목전모호등개관계소유도적모호조조집모형불능준학지반영모호개념범주중수치속성묘술적결책문제,제출일충기우린역관계적모호조조집모형NR-FRS,급출료해조조집모형적상관정의,재토론모형성질적기출상진행모호화린역근사공간상적추리,병분석특정자공간하적속성의뢰성;최후재NR-FRS적기출상제출특정선택산법,구건사득모호정역증익우우구체역치적특정자집,진이척제용여특정,보류분류능력강적속성.채용UCI표준수거집진행분류실험,사용경향기핵함수(RBF)지지향량궤작위분류기.실험결과표명,동기우린역조조집적쾌속전향특정선택방법이급핵주성분분석방법(KPCA)상비,NR-FRS모형특정선택산법소득특정자집중특정수량의거삼수변화경가평완、은정.동시평균분류준학솔제승최호가이체도5.2%,차수특정선택삼수정현경가평은적변화.