基于粗糙集的知識(shí)發(fā)現(xiàn)若干關(guān)鍵問題研究.pdf

1、隨著海量規(guī)模、類型繁多和動(dòng)態(tài)性數(shù)據(jù)的急劇產(chǎn)生，現(xiàn)代社會(huì)已經(jīng)邁入大數(shù)據(jù)時(shí)代。在這些不斷涌現(xiàn)，急劇改變的數(shù)據(jù)中，存在著大量不確定、模糊和不一致信息。如何在這些動(dòng)態(tài)不確定數(shù)據(jù)中進(jìn)行快速、高效地?cái)?shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)已成為當(dāng)前信息科學(xué)研究的熱點(diǎn)課題。粒計(jì)算是計(jì)算智能領(lǐng)域中模擬人類思維進(jìn)行復(fù)雜問題解決的核心技術(shù)之一，為我們提供了一套不確定性復(fù)雜問題求解的理論、方法、技術(shù)和工具。粗糙集是不確定數(shù)據(jù)近似處理的一種重要粒計(jì)算模型。本文基于粗糙集理論，應(yīng)用粒

2、計(jì)算思想，以增量學(xué)習(xí)技術(shù)為手段，結(jié)合聚類集成分析技術(shù)，對(duì)動(dòng)態(tài)不確定知識(shí)發(fā)現(xiàn)中的若干關(guān)鍵問題進(jìn)行了研究，主要取得了以下研究成果:
　　(1)針對(duì)雙論域信息系統(tǒng)數(shù)據(jù)對(duì)象動(dòng)態(tài)變化時(shí)的信息處理問題，提出了基于雙論域粗糙集模型的近似集增量更新方法。首先分析了兩個(gè)論域中數(shù)據(jù)對(duì)象的動(dòng)態(tài)增加和刪除，等價(jià)類和目標(biāo)概念的不同更新模式。然后根據(jù)兩個(gè)論域?qū)ο蟮牟煌虑闆r，刻畫了基于增量數(shù)據(jù)對(duì)象的雙論域粗糙近似集更新原理。最后，設(shè)計(jì)了雙論域信息系統(tǒng)中數(shù)據(jù)

3、對(duì)象增加/刪除時(shí)，基于雙論域粗糙集的近似集增量更新算法。采用推薦系統(tǒng)數(shù)據(jù)集、UCI公共數(shù)據(jù)集和人工數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)評(píng)測(cè)，驗(yàn)證了算法的有效性。（第3章）
　　(2)針對(duì)模糊雙論域信息系統(tǒng)多數(shù)據(jù)對(duì)象動(dòng)態(tài)變化的知識(shí)獲取問題，提出了基于模糊概率雙論域粗糙集模型的近似集增量更新方法。首先根據(jù)雙論域近似空間的動(dòng)態(tài)變化情況，揭示了基于批量式數(shù)據(jù)對(duì)象變化的模糊概率雙論域粗糙近似集變化機(jī)理。進(jìn)而設(shè)計(jì)了雙論域信息系統(tǒng)中多數(shù)據(jù)對(duì)象增加/刪除時(shí)，基于模糊概

4、率雙論域粗糙集的近似集增量更新算法。應(yīng)用推薦系統(tǒng)數(shù)據(jù)集和人工數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)評(píng)測(cè)，驗(yàn)證了算法的有效性。（第4章）
　　(3)針對(duì)聚類集成任務(wù)中基聚類結(jié)果的類別重疊、類別不確定性問題，結(jié)合粒計(jì)算理論與粗糙集方法提出了一種基于知識(shí)粒度和粗糙距離的聚類集成模型。首先，將聚類集成問題抽象為最小粗糙知識(shí)粒度距離劃分的搜索問題，并設(shè)計(jì)了粒計(jì)算框架下的聚類集成目標(biāo)函數(shù)。接著，引入了新的基于粗糙粒度的距離函數(shù)來度量聚類成員距離，并改進(jìn)了知識(shí)粒度的計(jì)

5、算方法來度量給定粒的凝聚度。最后，采用分裂型層次聚類方法獲得集成結(jié)果。采用UCI公共數(shù)據(jù)集和微軟亞洲研究院多媒體圖像數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)評(píng)測(cè)，驗(yàn)證了算法的有效性。同時(shí)，實(shí)驗(yàn)結(jié)果表明該算法性能與聚類成員的多樣性呈弱相關(guān)關(guān)系。（第5章）
　　(4)針對(duì)軟聚類方法中部分?jǐn)?shù)據(jù)點(diǎn)類簇劃分不理想問題，提出了一種結(jié)合粗糙集的模糊聚類集成方法。首先，在模糊聚類成員集合基礎(chǔ)上，應(yīng)用粗糙集理論中近似集獲取原理將數(shù)據(jù)點(diǎn)分為三個(gè)區(qū)域:正域，邊界域和負(fù)域，對(duì)正域

6、中的數(shù)據(jù)點(diǎn)采用軟聚類集成的方法融合得到更為理想的類簇信息。然后，結(jié)合機(jī)器學(xué)習(xí)方法中有監(jiān)督集成學(xué)習(xí)方法（隨機(jī)森林），將獲得的類簇信息用于構(gòu)建隨機(jī)森林分類器，再將該分類器用于邊界域數(shù)據(jù)點(diǎn)類別預(yù)測(cè)。最后，采用類似的方法從所有已經(jīng)得到的類簇信息中抽取出新的分類知識(shí)，并將其用于負(fù)域中數(shù)據(jù)的類別預(yù)測(cè)，從而得到最終集成結(jié)果。采用UCI公共數(shù)據(jù)集進(jìn)行評(píng)測(cè)，驗(yàn)證了算法的有效性。同時(shí)，實(shí)驗(yàn)結(jié)果表明該算法對(duì)聚類成員個(gè)數(shù)變化不敏感，驗(yàn)證了算法中近似集獲取閩值設(shè)