基于粗糙集的特征選擇高效算法研究.pdf

1、數(shù)據(jù)挖掘是指使用一定的機(jī)器學(xué)習(xí)算法從獲取到的大規(guī)模數(shù)據(jù)中發(fā)現(xiàn)有用信息的過程，是人工智能領(lǐng)域中一個(gè)重要的研究方向。目前，隨著網(wǎng)絡(luò)技術(shù)與database技術(shù)的日漸成熟，各行各業(yè)中獲得到的信息正呈現(xiàn)著指數(shù)級(jí)的增長(zhǎng)態(tài)勢(shì)，尤其在大數(shù)據(jù)背景下，數(shù)據(jù)集的規(guī)模和高維度為傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)帶來了前所未有的挑戰(zhàn)，探索高效可行的數(shù)據(jù)挖掘技術(shù)已成為一個(gè)亟待解決的關(guān)鍵問題。
　　特征選擇是數(shù)據(jù)挖掘中一種常用的數(shù)據(jù)預(yù)處理技術(shù)，探索面向大規(guī)模數(shù)據(jù)集的更為高效的

2、特征選擇處理技巧，也已經(jīng)成為特征選擇研究中一個(gè)研究熱點(diǎn)和難點(diǎn)。為此，本文以粗糙集理論為背景，針對(duì)面向大規(guī)模數(shù)據(jù)集的高效特征選擇進(jìn)行了分析和研究，并取得了以下的研究成果:
　　1、通過借鑒粗糙集理論中的部分核心概念，基于信息熵理論，提出了一種面向數(shù)據(jù)集中數(shù)據(jù)取值動(dòng)態(tài)更新的特征選擇算法，可一次處理一組取值發(fā)生變化的數(shù)據(jù).該算法中通過分析并證明互補(bǔ)信息熵隨數(shù)據(jù)取值動(dòng)態(tài)更新的變化機(jī)理，并借鑒了粗糙集理論中屬性約簡(jiǎn)的求解策略，設(shè)計(jì)了一種基于

3、互補(bǔ)熵的高效特征選擇算法。實(shí)驗(yàn)分析和結(jié)果進(jìn)一步驗(yàn)證了該算法的有效性。
　　2、面向數(shù)據(jù)挖掘中“少量標(biāo)記問題”，借助于半監(jiān)督學(xué)習(xí)的思想，提出了一種基于聚類假設(shè)的半監(jiān)督特征選擇算法.算法利用有標(biāo)記數(shù)據(jù)作為種子，采用聚類算法對(duì)未標(biāo)記數(shù)據(jù)進(jìn)行聚類并賦標(biāo)簽，選取每一類無標(biāo)簽數(shù)據(jù)中的部分?jǐn)?shù)據(jù)作為無標(biāo)簽數(shù)據(jù)代表與原有標(biāo)記數(shù)據(jù)組成新的數(shù)據(jù)集，以信息熵作為特征重要度的度量，給出了基于聚類假設(shè)的半監(jiān)督粗糙特征選擇算法.實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了新算法的可行