基于灰粗糙支持向量机的连续多属性预测方法.pdfVIP

第 35卷 第 l2期 合肥 工业 大 学 学报 (自然科学版) Vol_35No。12 2012年 12月 J()URNAIOFHEFEIUNIVERSITYOFTECHNOL()GY Dec．2012 Doi：10．3969／j．issn．1003—5060．2012．12．000 基于灰粗糙支持向量机的连续多属性预测方法 王晨曦 (漳州职业技术学院计算机工程系，福建 漳州 363000) 摘 。要：文章对多属性且属性值为连续的决策系统进行预测，提出了灰粗糙支持向量机预测方法。首先采用 灰色关联分析计算出条件属性相对于决策属性的重要度；并对连续属性进行离散化，结合Pawlak属性重要度 与灰关联度进行约简；将约简后的条件属性作为影响因子，基于支持向量机对决策属性进行预测。实验结果 表明，该方法是有效可行的。 关键词 ：灰关联分析；粗糙集；支持向量机；多属性 中图分类号 ：TP18 文献标识码：A 文章编号：1003—5060(2012)121652—04 Continuousmulti—attributepredictionmethod basedongreyroughsupportvectormachine WANG Chen-xi (Dept．ofComputerEngineering，ZhangzhouInstituteofTechnology，Zhangzhou363000，China) Abstract：AimedatthepredictionOfdecisionsystem withmulti—attributeandcontinuousvaluedattrib— utes，apredictionmethodofgreyroughsupportvectormachineisproposed．Firstly，thesignificance ofconditionattributerelativetodecisionattributeiscomputedbyusinggreycorrelationanalysis．Sec— ondly．attributesarereducedbyusingPawlak’Sattributesignificanceandgreycorrelationdegreeafter continuousattributesarediscretized．Finally，thereducedconditionattributesareusedasimpactfac— tot-stopredictdecisionattributebasedonsupportvectormachine．Theexperimentalresultsshow that themethodiSvalidandfeasible． Keywords：greycorrelationanalysis；roughset；supportvectormachine；multi—attribute 支持向量机与其他软计算方法相结合用于多 统，提出了灰粗糙支持向量回归模型，并通过结合 属性的预测与诊断取得了良好的结果，文献[1— Pawlak属性重要度与灰关联度进行约简，不仅降 2]结合粗糙集屙l生约简及支持向量机分类机理分 低离散化带来的信息损失，而且删除冗余属性，然 别用于故障诊断与入侵检测；文献E3]M~J用粗糙集 后将约简后的训练集对支持向量 回归机进行训 减少对象数以及删除冗余屙生l来提高支持向量机 练，再将约简后的测试集结合灰关联度改变条件 性能；文献E4]提出了一种基于粗糙集边界的支持 属性权重，基于训练好的支持向量回归机进行预 向量机；文献[5]提出了一种灰关联因子分析和支 测。实验结果表明，该模型适用于处理的预测对 持向量机的混合算法；文献[6]利用模糊支持向量