文档名：基于邻域关系模糊粗糙集的分类新方法
针对目前模糊等价关系所诱导的模糊粗糙集模型不能准确地反映模糊概念范畴中数值属性描述的决策问题,提出一种基于邻域关系的模糊粗糙集模型NR-FRS,给出了该粗糙集模型的相关定义,在讨论模型性质的基础上进行模糊化邻域近似空间上的推理,并分析特征子空间下的属性依赖性;最后在NR-FRS的基础上提出特征选择算法,构建使得模糊正域增益优于具体阈值的特征子集,进而剔除冗余特征,保留分类能力强的属性.采用UCI标准数据集进行分类实验,使用径向基核函数(RBF)支持向量机作为分类器.实验结果表明,同基于邻域粗糙集的快速前向特征选择方法以及核主成分分析方法(KPCA)相比,NR-FRS模型特征选择算法所得特征子集中特征数量依据参数变化更加平缓、稳定.同时平均分类准确率提升最好可以达到5.2％,且随特征选择参数呈现更加平稳的变化.
作者：胡学伟蒋芸李志磊沈健华锋亮
作者单位：西北师范大学计算机科学与工程学院,兰州730070
母体文献：2015年全国开放式分布与并行计算学术年会论文集
会议名称：2015年全国开放式分布与并行计算学术年会
会议时间：2015年8月10日
会议地点：兰州
主办单位：中国计算机学会
语种：chi
分类号：
关键词：模糊粗糙集 邻域关系 特征选择 参数优化
在线出版日期：2017年6月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.35 MB
- 下载次数:
- 60
-
高速下载
|
|
