论文摘要
由于现实生活中很多实际问题的发生多为各学科相互作用的结果,如何处理交叉学科数据是业界的棘手问题。粗糙集理论作为一种新的软计算方法,它能有效的对不完备地、不精确、不一致的信息数据进行分析处理,在保持分辨能力的前提下删除冗余信息,从而有效获取有价值的知识信息。近来来已成功应用于人工智能、数据挖掘、模式识别、故障诊断等诸多领域中,适用于处理交叉学科的数据。本文在分析研究国内外相关研究成果的基础上,对粗糙集的属性约简算法进行了研究。重点研究了当前各种约简技术的实现,针对当前约简算法存在约简结果单一、算法执行时间长、搜索范围窄、很难获取最小约简等缺陷给出一种新的属性约简算法----基于多体知识抽取的微粒群约简,该算法中,将约简算法与微粒群优化算法结合克服搜索范围窄、约简结果单一、算法执行时间长、很难获取最小约简问题。通过不同UCI数据集与目前普遍应用的遗传约简算法做对比,实验结果表明本文算法优于遗传约简算法。此外,针对粗糙集无法处理连续属性数据问题,本文实现了信息熵离散化数据算法,并将其应用于出数据的预处理。最后将本文算法应用于暴力犯罪因素分析中,尝试探求暴力犯罪发生的根源,为预测暴力犯罪提供一种新的信息支持。
论文目录
摘要ABSTRACT第1章 绪论1.1 研究的意义和背景1.2 研究现状1.3 本文的工作1.4 论文组织结构第2章 基本粗糙集理论知识2.1 粗糙集理论2.1.1 知识与分类2.1.2 RS理论基本定义2.1.3 知识约简2.1.4 粗糙集方法局限性2.2 属性约简算法2.2.1 算法分类2.2.2 各种约简算法实现2.3 本章小结第3章 基于多体知识抽取的微粒群约简算法3.1 微粒群算法3.1.1 基本微粒群算法3.1.2 二进制离散微粒群算法3.1.3 微粒群算法与其他进化算法的比较3.2 基于多体知识抽取的微粒群约简算法设计框架3.2.1 设计思路3.2.2 基于基数排序思想实现求U/C的快速计算法3.2.3 双矩编码方式3.2.4 粒子适应度函数3.2.5 个体极值和全局极值3.2.6 粒子更新3.2.7 算法终止条件3.3 算法实现3.4 实验与分析比较3.4.1 实例分析3.4.2 实验结果对比3.5 本章小结第4章 数据预处理技术4.1 数据基本预处理4.1.1 缺失数据处理4.1.2 冗余数据处理4.2 数据离散化方法4.2.1 数据离散化意义及原理4.2.2 数据离散化评估标准4.2.3 现有离散化方法4.3 信息熵离散化数据算法4.3.1 基本概念4.3.2 信息熵的设计4.3.3 算法实现流程图4.3.4 算法描述4.4 本章小结第5章 微粒群约简算法在暴力犯罪因素分析中的应用5.1 实验背景5.1.1 研究对象5.1.2 样本来源5.2 暴力犯罪特征分析模型的实现5.2.1 分析模型5.2.2 数据采集与分析5.2.3 算法应用和对比5.2.4 实验结果5.2.5 结果分析5.3 本章小结第6章 结论与展望6.1 论文总结6.2 下一步工作展望参考文献致谢
相关论文文献
标签：粗糙集论文; 微粒群优化论文; 连续属性离散化论文; 信息熵论文; 暴力犯罪因素分析论文;
