概念格(Galois格)是一种进行数据分类学习的有效工具,然而建格规模庞大使分类效率和准确率受到较大影响。将粗糙度理论应用到概念格分类问题研究中,提出一种新型的近似概念格动态建格和分类挖掘集成学习模型(CACLR)。该模型在粗糙度区间根据样本空间分布构建多个相对独立分布且比较精确的近似概念格分类器,能及时消除建格过程中大量与分类知识无关的节点,有效缩减原格规模
第3卷 7
第 7期
计
算
机
科
学
Vo. 7 NO 7 I3 .
21 0 0年 7月
Co p t r ce c m u e S in e
J l 0 0 u y2 1
基于粗糙度的近似概念格动态分类集成学习 模型研究与应用 丁卫平王建东朱浩管致锦施俭
(南通大学计算机科学与技术学院南通 26 1) (京航空航天大学信息科学与技术学院南京 201 ) 20 9南 106 (州大学江苏省计算机信息处理技术重点实验室苏州 2 50 )苏 106。 摘要概念格( li格 ) Ga s是一种进行数据分类学习的有效工具, o然而建格规模庞大使分类效率和准确率受到较大
影响。将粗糙度理论应用到概念格分类问题研究中,出一种新型的近似概念格动态建格和分类挖掘集成学习模型提 ( AC R。该模型在粗糙度区间根据样本空间分布构建多个相对独立分布且比较精确的近似概念格分类器, C L )能及时消除建格过程中大量与分类知识无关的节点,效缩减原格规模,合得到的分类挖掘集成学习模型,有融具有较好的粗
糙分类精度和知识预测学习能力。最后进行 C C R分类集成学习模型在标准 U I A L C数据集中的对比实验,有效验证 了该模型的实用价值。
关键词
粗糙度,近似概念格,集成学习,类挖掘分
中图法分类号
T 3 16 P 0 .
文献标识码
A
Re e r h a s a c nd App iato na i lCls i c to o lf r Ens m b e Le r i g Ba e o pr x m a i n lc i n ofDy m c a sf a i n M de o a i e l a n n s d n Ap o i to Co e tie o u h/ s nc ptLa tc f Ro g l s e
D N Wr— ig’。 WANG J nd n e Z I G e pn ’ i。 i - o g a HU o’ GUA Z ii S a Ha N h j -n HI Qu n ( c o lo mp trS in ea dTe h oo, n o gUnie st Na t n 2 01 Chn ) S h o fCo u e ce c n c n lgy Na t n v riy, n o g 2 6 9, ia
( ol eo nomai cec n c n lg, nigUnv ri f
rn ui n to a t sNaj g2 0 1, ia C l g f fr t nS i ea dTeh oo y Naj ies yo o a t sadAsrn ui, ni 10 6Chn ) e I o n n t Ae c c n ( o ica y L o ao y frC m p trI o a in Prc s ig Te h oo y S o h w v riy, u h u 2 5 0 Chi ) Pr vn ilKe ab r tr o o u e nfr t o e sn c n lg, o c o Unie st S z o 1 0 6, na 0 m o
Ab ta t Co c p t i n ef c ie t O o a a ca sf a in. u ls i c t n e f in y a d p e ii n a e e fc e sr c n e tl tc i a fe t O l rd t l s ii t a eS v f c o b tca sf a i f i e c n r c s r fe t d i o c o b t a g c l. n t i p p r r u h s t h o y wa p l d it h ls i c t n r s a c f o c p tie a d 8d— y i lr es a e I h s a e,o g e st e r sa p i o t eca sf a i e e r h o n e tl t, n y s e n i o c a c
n mia ls ic t n mo e( a d C a c l a sf ai d ln me ACL fre smbela nn a e n a p o i t nc n e tltieo o g n s c i o R)o n e l r igb s do p r xma i o c p at fru h es e o c wa u o wa d Thsmo e a o sr cesm eie t a p r xma in c n e tltieca sf r fid p n e tds sp tf r r . i d lcn c n tu t o n i l po i t o c p at ls ieso n e e d n i— d c a o c i tiuina c r cso c o dn o teisa c p t l o f uaina h c p fru h es An a l— rb t n mu h p eiina c r ig t h tn es ai n i r t tt eso eo o g n s. di c nei o d n ac g o t mi n t n e e d n o e i u
ig a p o i t nc n e t1tiec n tu td rd c h cl fc n e tltiee— a eid p n e tn d si t n med rn p r xmai o c p at o sr ce,e u et esaeo o cp at f o c c f e iey Th u t c mb n t n mo e r e s mb e la n n a o u t e s a h c u a yo o g ls i c t n a d e tv l . em li o i a i d l n e l e r i g h sr b s n s tt ea c r c fr u h c a sf a i n — o o f i o t e e f in y o n wld e p e it n n t el s a to h s p p r t e e p r n st s e n t e UCIb n h r aa h fi e c fk o e g r d c i .I h a tp r ft i a e,h x e i c o me t e t d o h e c ma k d t s t r a re n a d p r o ma c e u t fwe e g v n wh c r v h r c ia a u fCACLR d 1 e s we e c r id o n e f r n e r s lso r i e, ih p o e t e p a tc l l e o v mo e .
Ke wo d Ro g n s, p o ma in c n e tltie En e l la nn Cls i c t n mi ig y rs u h e s Ap r x i t o c p a t, s mb e e r i g, a sf a i n n o c i o
2世纪 9 O O年代以来,分类学习是机器学习领域中一个非常重要的研究课题,主要过程是先根据数据集的特点构其 造一个分类器,后利用分类器对未知类别的样本赋予类别。然 构造分类器的过程一般分为模型训练和使用模型测试分类两
确度。但是目前大多数分类算法 (如决策树归纳法[、】人工神]经网络[和支持向量机 _等) 2 3构造的分类器在训练数据集上 和测试数据集上仅强调样本个体,构建单一分类器,于训练用学习集上的预测结果不准确且对“过拟合”数据集分类效果不 佳。集成学习 ( n e l L ann )类是在给定的训练集上 E smb eri分 e g
个步骤;在训练阶段,通过分析训练数据集的特点为每
个类别产生一个对相应数据集的准确描述或模型。在测试阶段,利用类别的描述或模型对测试数据集进行分类,测试其分类准 到稿日:0 9 83返修日期: 0—0 3期 2 0——1 0 2 91— 0 0 科技创新基金资助。
构造多个性能较好而又相对独立的分类器,通过决策优化再 ( eio t zt n或覆盖优化 ( vrg pi zt n D c i Opi ai ) sn mi o o C ea eO t ai ) mi o
本文受江苏省高校自然科学研究项目( 9 J 5 0 0 )南通市应用研究计划项目( 2 00 1 0K D 208, K 0 83,
K2 00 8, 0 8 1 )苏州大学江苏省计算机信息处理技术重点实验室开放课题,南通大学自然科学基金项目( 5 0 1, 0Z 6 )南通大学通信与信息系统学科
丁卫平 (9 9,,士生,师,C 1 7一)男博讲 C F会员,要研究方向为粗糙集、念格和电子病历挖掘等,— i d 9 8@ 1 3 cr;建东 ( 95主概 E mal wp 9 8 6. o王: n 14 一
)男,,,教授博士生导师,主要研究方向为人工智能和知识工程等;朱
浩 ( 9 7,,士生, 1 7一)男博主要研究方向为网络安全等;管致锦 ( 92 16
一
)男,,,博士教授,主要研究方向为量子可逆计算等;俭 (9 5,,士生,施 1 7一)男博副教授,硕士生导师,主要研究方向为数据挖掘和数据库技
术等。
1 4 7

提出一种在概念格上提取分类和 关联规则的集成算法,...2) 提出一种概念格中概念近似的方法。 通过发现...粗糙集理论及其研究现状 ......
基于粗糙度的近似概念格... 18人阅读 6页 ...第3 卷第 2期 221年 2月01 通 信 学 报 V1...基于分类概念格的动态策 略存 取模型 焦素 云一 ...
应用进行了论述, 最后对粗糙集理论今后的研究方向进...在粗糙集理论中,“知识”被认为是一种分类能力,也...粗糙集理论的不确定性是建立在上、下近似的概念之...
基于粗糙度的近似概念格... 暂无评价 6页 2...基于分类概念格的动态策略存取模型焦素云1,2刘衍珩1...研究了概念格结构在该方 面的优势,提出了基于分类...
基于粗糙集理论的面向属性概念格动态压缩_数学_自然科学_专业资料。第4O卷第11 A期 201 3年11月 计 算 机 科 学 Vo1.40 No.11A Nov 2013 Comp ...
粗糙集理论与应用研究综述_IT/计算机_专业资料。...通过等价关系的分类以及分类对于目标的近似 实现知识...概念格、群体智能算法技术等都有了相应 的研究成果...
库分类归纳形成概念和规 则,通过等价关系的分类以及...粗糙集理论与应用的核心基础是从近似空间导出的一对...模糊现象,律属度 ?? ? ? ? ?粗糙现象,研究那些...
周才 学 ZHOU Wan, ZHOU Cai xue ( 九江学院... 利用粗糙集和扩 展概念格模型来进行分类规则提取 ... 定义 X 的 R 下近似集为 : RX = G Y I U...
基于粗糙度的近似概念格动... 暂无评价 6页 2....网格的动态、分布特性和密集型计算能力[5]与语义、...并用形式概念分析理论[12],研究了网格资 源粗糙概念...
分类归纳形成II Domain逼近概念格粗糙集与拓扑 概念...粗糙集理论中有两个重要的概念;一是近似算子(粗糙...有助于格上拓扑 学以及广义代数格理论的研究. 关键...
热门文档