三種代價(jià)環(huán)境下的代價(jià)敏感屬性擇.pdf

1、代價(jià)敏感學(xué)習(xí)是數(shù)據(jù)挖掘的研究熱點(diǎn)，預(yù)算約束滿足問(wèn)題是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域著名的問(wèn)題之一。最近幾年，研究最小測(cè)試代價(jià)下的屬性選擇問(wèn)題一直是代價(jià)敏感學(xué)習(xí)中的重點(diǎn)。但在實(shí)際應(yīng)用中，由于任何一樣資源都是有限的，所以解決任何一個(gè)實(shí)際問(wèn)題，都是在一定的預(yù)算約束下完成的。因此研究預(yù)算約束下的代價(jià)敏感屬性選擇問(wèn)題在眾多的應(yīng)用領(lǐng)域有著重要的意義和廣泛的應(yīng)用。
　　另外，當(dāng)前代價(jià)敏感算法普遍采用靜態(tài)的靜態(tài)誤分類代價(jià)，僅能滿足實(shí)驗(yàn)和前瞻性的需要，不能

2、適應(yīng)同一類分布樣本數(shù)量變化的數(shù)據(jù)集的分類模型的學(xué)習(xí)。針對(duì)靜態(tài)誤分類代價(jià)的不足，如何設(shè)計(jì)動(dòng)態(tài)的誤分類代價(jià)機(jī)制正受到越來(lái)越多學(xué)者的青睞。本文針對(duì)最小測(cè)試代價(jià)下的屬性選擇問(wèn)題，預(yù)算約束下的屬性選擇問(wèn)題和動(dòng)態(tài)誤分類代價(jià)下的屬性選擇問(wèn)題進(jìn)行了研究，主要取得了如下創(chuàng)新成果。
　　首先，研究了最小代價(jià)下的代價(jià)敏感屬性選擇問(wèn)題。這個(gè)最小代價(jià)只單純考慮了測(cè)試代價(jià)這一種代價(jià)類型。本文提出了一個(gè)對(duì)數(shù)加權(quán)算法來(lái)求解最小測(cè)試代價(jià)下的代價(jià)敏感屬性選擇問(wèn)題。實(shí)

3、驗(yàn)結(jié)果表明，在大多數(shù)情況下，新算法的效果優(yōu)于已有的算法。
　　其次，研究了預(yù)算約束下的代價(jià)敏感屬性選擇問(wèn)題。預(yù)算約束是指所能花費(fèi)的最大測(cè)試代價(jià)大于最小測(cè)試代價(jià)但不大于總測(cè)試代價(jià)。這意味著，在預(yù)算約束的條件下，只能求解能夠最大程度保留系統(tǒng)信息的屬性子集。本文在預(yù)算約束的條件下，設(shè)計(jì)了一個(gè)模擬退火算法來(lái)求解代價(jià)敏感屬性選擇問(wèn)題。實(shí)驗(yàn)結(jié)果表明，我們?cè)O(shè)計(jì)的算法能夠在效果和效率方面獲得良好的實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)結(jié)果優(yōu)于已有的啟發(fā)式算法和遺傳算法。