符號(hào)屬性值的相似度學(xué)習(xí)及屬性重要性研究.pdf

1、在基于案例推理的分類系統(tǒng)（即CBR分類器）中，屬性間的相似度對(duì)分類和決策結(jié)果起著決定性的作用。而屬性的相似性度量又依賴于每個(gè)屬性值之間的相似度計(jì)算。本文研究的是符號(hào)屬性值之間的相似度，這里考慮的符號(hào)值屬性是其屬性值完全無序的一類屬性，例如屬性“顏色”，其取值為“紅”，“黃”，“藍(lán)”。大部分研究認(rèn)為這類屬性值之間的相似度只能取0或1，這種處理方法會(huì)導(dǎo)致信息的丟失。已有的工作將這類屬性值的相似度從{0,1}擴(kuò)展到了[0,1]區(qū)間，并用遺傳算

2、法進(jìn)行了學(xué)習(xí)。但當(dāng)屬性的數(shù)量及值域較大時(shí)，遺傳算法的收斂速度明顯變慢，且分類精度受到影響?；诖丝紤]，本文提出一種基于粒子群的相似度學(xué)習(xí)算法來獲得符號(hào)屬性值的相似度，通過實(shí)驗(yàn)證明，基于粒子群的算法比遺傳算法收斂速度快，精度高。
　　 此外，本研究進(jìn)一步指出，通過學(xué)習(xí)獲得的屬性值相似度可以粗略反應(yīng)屬性本身的重要程度，并給出了屬性的重要性度量。實(shí)驗(yàn)驗(yàn)證了這種度量的可行性。最后，基于粗糙集理論中相對(duì)正域的概念，本文還提出了一種判斷數(shù)據(jù)