版權(quán)說(shuō)明:本文檔由用戶(hù)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、傳統(tǒng)的粗糙集理論只能對(duì)數(shù)據(jù)庫(kù)中的離散屬性進(jìn)行處理,所以對(duì)存在連續(xù)屬性的數(shù)據(jù)庫(kù)必須進(jìn)行離散化處理。連續(xù)屬性離散化是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)重要問(wèn)題,對(duì)后繼階段的機(jī)器學(xué)習(xí)或數(shù)據(jù)挖掘過(guò)程具有非常重要的意義。離散化是否合理決定著表達(dá)和提取相關(guān)信息的準(zhǔn)確性。其中,Chi2系列算法和類(lèi)-屬性相互依賴(lài)(CAI)的相關(guān)算法分別是基于概率統(tǒng)計(jì)理論和基于信息理論的連續(xù)屬性離散化重要方法。連續(xù)屬性離散化方法在人工智能、機(jī)器學(xué)習(xí)等很多方面具有重要應(yīng)用。
2、 首先,經(jīng)過(guò)研究Chi2系列算法,本文提出一種新的基于屬性重要性的連續(xù)屬性離散化方法--Imp-Chi2算法,該算法依據(jù)屬性重要性程度對(duì)屬性離散化的順序進(jìn)行了合理的調(diào)整,能夠更準(zhǔn)確的對(duì)連續(xù)屬性進(jìn)行離散化。并且,在實(shí)驗(yàn)過(guò)程中,提出了一種訓(xùn)練集類(lèi)比例抽取方法,很好的避免了訓(xùn)練集隨機(jī)抽取的不均勻性。 其次,本文對(duì)Chi2相關(guān)算法進(jìn)行了深入分析,指出了其中的不足,提出一種新的連續(xù)屬性離散化方法:Rectified Chi2算法。新
3、算法給出了一種新的區(qū)間合并依據(jù),能夠更合理更有效地對(duì)連續(xù)屬性進(jìn)行離散化。在此基礎(chǔ)上,考慮僅以最大差異為區(qū)間合并標(biāo)準(zhǔn)存在不合理性,提出一種基于差異序列為標(biāo)準(zhǔn)的區(qū)間合并方法,該方法可以大大提高Chi2系列算法的離散化效果。最后,對(duì)x2統(tǒng)計(jì)量中Etj取值不精確方面進(jìn)行了分析,并且提出了兩種改進(jìn)方案。 再次,本文對(duì)Chi2相關(guān)算法(尤其是Extended Chi2算法)進(jìn)行了深入研究,指出了其中存在的問(wèn)題,提出一種新的基于區(qū)間相似性度量
4、的連續(xù)屬性離散化算法。新算法定義了一個(gè)區(qū)間相似度函數(shù),用該區(qū)間相似度函數(shù)作為離散化過(guò)程的新的合并標(biāo)準(zhǔn)。同時(shí),在函數(shù)中給出了兩個(gè)重要參數(shù):條件參數(shù)α和微調(diào)參數(shù)c,分別體現(xiàn)了離散化過(guò)程中的均衡性和相鄰兩區(qū)間數(shù)目的相差程度;并且在算法內(nèi)部給出了兩個(gè)重要規(guī)定。新算法不僅繼承了x2統(tǒng)計(jì)合理的方面,同時(shí)也解決了Chi2相關(guān)算法中存在的問(wèn)題,實(shí)現(xiàn)了公平的標(biāo)準(zhǔn),能夠更合理更有效地對(duì)連續(xù)屬性進(jìn)行離散化。 最后,在系統(tǒng)地分析基于類(lèi)一屬性相互依賴(lài)(C
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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
- 粗糙集理論中的連續(xù)屬性離散化方法研究.pdf
- 基于粗糙集理論的連續(xù)屬性離散化算法研究.pdf
- 基于變精度粗糙集的連續(xù)屬性離散化方法及數(shù)據(jù)預(yù)處理方法.pdf
- 信息論在粗糙集連續(xù)屬性離散化中的應(yīng)用.pdf
- 粗糙集中基于NBC聚類(lèi)的連續(xù)屬性離散化方法研究.pdf
- 粗糙集與支持向量機(jī)結(jié)合的方法在連續(xù)屬性離散化中的應(yīng)用.pdf
- 粗糙集與模糊粗糙集屬性約簡(jiǎn)算法研究.pdf
- 粗糙集屬性約簡(jiǎn)研究.pdf
- 基于粗糙集的連續(xù)值屬性約簡(jiǎn)算法研究.pdf
- 基于粗糙集的屬性約簡(jiǎn)方法研究.pdf
- 連續(xù)屬性離散化方法研究.pdf
- 粗糙集屬性約簡(jiǎn)算法研究.pdf
- 粗糙集理論中的屬性約簡(jiǎn)方法研究.pdf
- 概率粗糙集屬性約簡(jiǎn)理論及方法研究.pdf
- 基于差分演化算法的粗糙集離散化及屬性約簡(jiǎn)的研究.pdf
- 基于粗糙集的數(shù)據(jù)離散化算法研究.pdf
- 焊接過(guò)程粗糙集建模中離散化方法的研究.pdf
- 基于小生境離散差分演化的粗糙集屬性約簡(jiǎn)方法研究.pdf
- 覆蓋粗糙集的度量與屬性約簡(jiǎn)方法研究.pdf
- 基于粗糙集知識(shí)的離散化方法和約簡(jiǎn)算法的研究.pdf
評(píng)論
0/150
提交評(píng)論