基于啟發(fā)式遺傳算法的變精度粗糙集屬性約簡(jiǎn)方法.pdf

1、粗糙集理論是繼概率論、模糊集理論、證據(jù)理論之后的又一個(gè)處理含糊性和不確定性的數(shù)學(xué)工具；同時(shí)粗糙集理論的核心問題是等價(jià)分類，并且要求分類是完全確定的，而實(shí)際的數(shù)據(jù)集往往都受到一定的噪聲干擾且數(shù)據(jù)不一定完整，這就會(huì)影響對(duì)數(shù)據(jù)集的等價(jià)分類，因此Ziarko在粗糙集模型的基礎(chǔ)上引入了錯(cuò)誤分類率參數(shù)β，將粗糙集模型擴(kuò)展成變精度粗糙集模型以解決這一問題。變精度粗糙集能很有效地處理噪聲數(shù)據(jù)，實(shí)現(xiàn)整體上較優(yōu)的信息處理能力。
　　 屬性約簡(jiǎn)是粗糙

2、集理論中一個(gè)重要的研究課題，在知識(shí)獲取、機(jī)器學(xué)習(xí)、模式識(shí)別、決策分析、模型建立等實(shí)際應(yīng)用中具有重要的意義。粗糙集屬性約簡(jiǎn)算法有很多，而且對(duì)屬性約簡(jiǎn)的研究也一直在進(jìn)行，但是從條件屬性的所有組合中找出所有約簡(jiǎn)的屬性集被科學(xué)家證明是個(gè)NP難題，而高效的約簡(jiǎn)算法是粗糙集應(yīng)用于知識(shí)發(fā)現(xiàn)的基礎(chǔ)。因此，尋求快速有效的約簡(jiǎn)算法仍是粗糙集理論的主要研究課題之一。
　　 基于變精度粗糙集理論的約簡(jiǎn)能夠使系統(tǒng)在泛化能力、容錯(cuò)性、噪聲抑制方面都有很好的

3、性能，但該算法對(duì)于大數(shù)據(jù)量的搜索需要的時(shí)間和空間代價(jià)都很高；而遺傳算法具有通用、并行、穩(wěn)健、簡(jiǎn)單及全局優(yōu)化能力強(qiáng)等優(yōu)點(diǎn)，特別適用于復(fù)雜、困難的全局優(yōu)化問題。因此，本文作為江蘇省高校自然科學(xué)基金(05Km520048)項(xiàng)目“基于變精度粗糙集理論的故障診斷方法研究”的一部分，在分析了現(xiàn)有的屬性約簡(jiǎn)方法基礎(chǔ)上，吸收傳統(tǒng)算法的優(yōu)點(diǎn)，基于遺傳算法和變精度粗糙集理論，在β下近似約簡(jiǎn)概念的基礎(chǔ)上，將由屬性對(duì)分類的影響程度和β近似精度共同定義的屬性重要

4、性度量作為啟發(fā)式信息引入遺傳算法，提出了一種新的變精度粗糙集下的屬性約簡(jiǎn)方法，即基于啟發(fā)式遺傳算法的變精度粗糙集屬性約簡(jiǎn)方法。該方法在當(dāng)決策系統(tǒng)有多個(gè)最小約簡(jiǎn)時(shí)，能得到盡可能多的最小約簡(jiǎn)。
　　 另外，為了解決遺傳算法收斂速度不快的缺點(diǎn)，本文對(duì)遺傳算法的選擇、交叉、變異三個(gè)算子進(jìn)行了改進(jìn)；同時(shí)對(duì)于遺傳算法的局部尋優(yōu)能力較差、所產(chǎn)生的最優(yōu)解一般精度不高的缺點(diǎn)，本文使用一個(gè)修正算子來(lái)對(duì)種群進(jìn)行修復(fù)，從而使算法總在可行解空間中搜索，保