粗糙集和蚁群优方法在特征选择中的应用研究.pdfVIP

m1I,．lllllllIlllllllllllllllllllllllllllllllllllllllllt Y1 摘要 摘 要 特征选择已经成为数据挖掘、机器学习、模式识别等领域的研究热点。 特征选择用更稳定的特征集合以适当的精度表示原始特征集合。特征选择的 研究主要集中在两个方面，一是搜索特征子集时所需要的搜索策略，二是特 征子集的性能评价方面。因此，研究更为有效的特征选择算法，有效地获取 较优的特征子集，降低算法的时间复杂度和寻求快速的特征选择算法仍然是 特征选择研究的重点。本文根据基于粗糙集的特征选择和基于蚁群优化方法 的特征选择算法两种方法所具有的优势和存在的不足，提出一种将粗糙集方 法和蚁群优化方法相结合的特征选择算法。其主要工作包括以下几个方面： 首先，简要介绍了粗糙集理论和蚁群优化算法的相关知识，包括信息表 达系统，上近似和下近似，属性约简与核，属性依赖度和重要度等概念和对 蚁群算法的理论知识的总结概述。 其次，对特征选择算法的进行了概要性分析。着重对基于粗糙集属性重 要度的特征选择算法(贪婪法)和基于蚁群优化方法的特征选择算法进行了深 入研究。 再次，在分析基于粗糙集的特征选择方法和基于蚁群优化方法的特征选 择算法所具有的优势和存在不足的基础上，本文提出了一种基于粗糙集蚁群 优化方法的特征选择算法。所提出的算法通过引入粗糙集相对核属性作为特 征选择的起点，以便提高算法的准确性；在转移规则和信息素更新策略中， 引入了粗糙集属性依赖度和属性重要度，用于指导蚂蚁的搜索过程，以便提 高算法的性能；此外，将粗糙集理论的分类精度和特征子集长度两个参数应 用于评价函数中，以衡量特征子集的优劣；通过选择不同数据个数和属性个 数的数据集对所提出的方法进行了测试，同时与基于粗糙集的特征选择方法 和基于蚁群优化方法的特征选择算法进行了比较实验。测试与比较实验结果 表明，所提出的方法可行的，并且对具有核属性的数据集在特征子集长度和 精度两个指标上具有明显优势。 最后，对论文的研究工作进行了总结，并提出了下一步的工作展望。 关键词： 粗糙集；蚁群优化方法；特征选择；屙|!生依赖度；屙陡重要度 Ⅱ Abstract ABSTRACT Featureselectionhasbecomethefocusresearchin fieldof the data mining, machine andSOon．Featureselectionusesamorestable learning，pattemrecognition setand characteristicstodescribethe feature appropriateprecision original set．Featureselectionresearchhasfocused for ontwo is thesearch aspects：one ofthe oneis subsetandtheother the ceevaluationfeaturesubset．