基于粗糙集的特征選擇算法研究及應用.pdf

1、基于粗糙集的特征選擇算法研究及應用基于粗糙集的特征選擇算法研究及應用ResearchApplicationonRoughSetBasedFeatureionAlgithm領域：計算機技術作者姓名：張曉云指導教師：石紅副教授企業(yè)導師：張子劍天津大學計算機科學與技術學院二零一二年十二月摘要摘要在機器學習，模式識別中，一個好的特征選擇算法可以剔除冗余特征，實現(xiàn)高維數據降維，是構建具有強泛化能力和可理解的學習模型的關鍵。本文的工作包括兩點：1）

2、比較兩類有監(jiān)督特征選擇算法，2）引入模糊粗糙集，研究半監(jiān)督特征選擇算法。目前，有監(jiān)督特征選擇算法中，基于間隔和基于模糊粗糙集中模糊依賴度的研究工作都獲得了豐富的成果。但是，關于這兩大類不同的特征選擇方法之間存在哪些聯(lián)系和區(qū)別，迄今為止還沒有相關的理論分析和實驗比較工作。本文從基于間隔的Simba和Relief算法，和基于模糊依賴度的WDLMFD，F(xiàn)DRanking算法著手，從算法選擇特征的策略，選擇的特征個數，在分類器上的分類精度，對無

3、關噪聲特征的剔除能力，算法的復雜度，算法的直觀解釋，等幾個方面，做了詳細的理論分析和實驗比較。結果表明基于粗糙集的算法相對基于間隔的算法同樣有效，甚至在有些數據集上性能更好。本文還將粗糙集理論引入半監(jiān)督特征選擇。半監(jiān)督學習的不斷發(fā)展對傳統(tǒng)的特征選擇算法提出了新的要求。怎樣綜合利用有標記樣本提供的類別信息和無標記樣本呈現(xiàn)的數據內部結構，構建有效的特征選擇算法是一個嶄新的課題。本文結合模糊粗糙集和圖譜分析理論，提出了一種改進的半監(jiān)督特征選擇