基于粗糙集與神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類研究及應(yīng)用.pdf

1、在信息技術(shù)和數(shù)據(jù)庫技術(shù)高速發(fā)展的今天，數(shù)據(jù)成了人們工作和生活中必不可少的一部分，然而要從海量數(shù)據(jù)中提取出有用信息卻很困難。數(shù)據(jù)分類作為一種重要的數(shù)據(jù)分析技術(shù)，可以用于提取描述重要數(shù)據(jù)類的模型和預(yù)測未來的數(shù)據(jù)趨勢，幫助人們總結(jié)出數(shù)據(jù)中隱含的規(guī)律，為業(yè)務(wù)決策和戰(zhàn)略發(fā)展服務(wù)。 論文首先介紹了粗糙集理論，并引入了一種基于屬性重要度的粗糙集屬性約簡算法，它能有效地消除冗余信息，達(dá)到為輸入變量降維的目的。其次，針對多分類問題設(shè)計了一個基于動

2、態(tài)閾值的神經(jīng)網(wǎng)絡(luò)分類器，此分類模型采用了與傳統(tǒng)模型不同的動態(tài)閾值函數(shù)，可以有效提高分類器的泛化能力。另外，還結(jié)合理論指導(dǎo)和實際的試驗仿真對神經(jīng)網(wǎng)絡(luò)的隱層數(shù)及其節(jié)點數(shù)進(jìn)行了優(yōu)化設(shè)計，采用具有雙隱層的BP神經(jīng)網(wǎng)絡(luò)作為分類器模型的核心。最后，通過分析粗糙集和神經(jīng)網(wǎng)絡(luò)的特點，取長補(bǔ)短，把二者有機(jī)地結(jié)合在了一起，使用粗糙集作為分類器模型的前端處理器，約簡輸入變量，達(dá)到了科學(xué)選擇變量的目的，提高了模型的分類性能。 電影票房預(yù)測是一個典型的非

3、線性問題，通過將其轉(zhuǎn)化成一個分類問題，可以使問題簡化，即把影片根據(jù)其票房收入的高低劃分成了6個檔次，預(yù)測的目的就是把影片分到相應(yīng)的類別里面。在成功建模的基礎(chǔ)上，確定了影響影片票房高低的因素作為輸入變量，然后通過統(tǒng)計的方法確定了其初始值。最后運用所設(shè)計的分類器模型解決了該票房預(yù)測問題。通過與決策樹、支持向量機(jī)、RBF網(wǎng)絡(luò)等方法的比較結(jié)果表明，基于動態(tài)閾值的神經(jīng)網(wǎng)絡(luò)分類器具有更好的預(yù)測精度、穩(wěn)定性以及泛化能力。基于粗糙集的屬性約簡對分類器的