学位论文 > 优秀研究生学位论文题录展示

基于遗传蚁群算法的属性约简研究

作　者: 洪杉
导　师: 姚跃华
学　校: 长沙理工大学
专　业: 计算机软件与理论
关键词: 粗糙集属性约简遗传算法蚁群算法属性依赖度
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 61次
引　用: 0次
阅　读: 论文下载

内容摘要

粗糙集是一个处理不确定性和含糊问题的数学工具,由于它不需要先验知识或附加信息,因此在数据挖掘和知识约简等方面都有很好的应用前景。作为粗糙集理论的核心内容,属性约简是需要在保证分类和决策能力不变的前提下将数据库中的冗余属性约简,简化知识的表示,从而提高系统的处理效率,方便用户的决策,对它的研究在知识获取、机器学习、模式识别、模型建立等实际运用中都有很重要的意义。当前研究更加有效的属性约简算法,降低算法时间复杂度和获取较优的属性约简结果仍然是粗糙集理论的主要研究课题。本文研究了粗糙集理论中基于区分矩阵、属性重要性、属性依赖度的属性约简算法以及启发式遗传约简算法和蚁群约简算法,重点分析和比较了现有的基于遗传和蚁群的属性约简算法,根据算法的优点和缺点,提出了两种新的约简算法:一是基于遗传蚁群算法的属性约简算法,该算法的主要优点在于将决策属性对条件属性的依赖度引入到适应度函数中,通过遗传算法优化蚁群算法,不但加快了蚁群初始时刻的寻优速度,保留了蚁群算法收敛快的优点,并且通过遗传算法隐形并行的特点,使整体算法不易陷入局部最优。二是基于自适应蚁群算法的属性约简算法,该算法吸收了蚁群算法收敛速度快的优点,同时通过将蚁群分组并行运行、引入信息素交流机制和设置交流概率的方法使算法能够有效地跳出局部最优,以达到算法速度与求解质量的统一。最后实验数据和对比分析,验证了基于遗传蚁群算法和自适应蚁群算法的属性约简算法是求解属性约简时都是行之有效的,但却拥有各自不同的使用空间。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-14
  1.1 研究背景  9-12
  1.2 研究意义  12
  1.3 本文内容与结构  12-14
第二章相关理论  14-27
  2.1 粗糙集理论  15-19
    2.1.1 知识表达系统  15-16
    2.1.2 粗糙集基本概念  16-17
    2.1.3 属性约简与属性核  17-18
    2.1.4 属性依赖度和属性重要性  18-19
  2.2 遗传算法理论  19-23
    2.2.1 算法主要特点  19-20
    2.2.2 影响算法的因素  20-22
    2.2.3 算法基本框架  22-23
  2.3 蚁群算法理论  23-27
    2.3.1 算法简介  23-24
    2.3.2 旅行商蚁群模型  24-25
    2.3.3 TSP 问题求解  25-26
    2.3.4 算法优缺点  26-27
第三章属性约简算法  27-35
  3.1 最小属性约简的一般方法  27-30
    3.1.1 区分矩阵的属性约简算法  27-28
    3.1.2 吸收分辨集的属性约简算法  28
    3.1.3 属性重要性的属性约简算法  28-29
    3.1.4 属性依赖度的属性约简算法  29-30
  3.2 基于遗传算法的最小属性约简算法  30-32
    3.2.1 算法可行性  30
    3.2.2 标准遗传算法  30-31
    3.2.3 属性依赖度的遗传约简算法  31-32
  3.3 基于蚁群算法的最小属性约简算法  32-35
第四章基于遗传蚁群算法的属性约简  35-49
  4.1 算法基本思想  35-36
  4.2 算法可行性  36-38
  4.3 遗传算子  38-39
    4.3.1 遗传初始化  38
    4.3.2 交叉和变异操作  38
    4.3.3 单向选择策略  38
    4.3.4 算法终止规则  38-39
  4.4 蚁群算法求解最小约简  39-40
  4.5 算法编码  40
  4.6 算法基本框架  40-42
    4.6.1 算法描述  40-41
    4.6.2 算法流程  41-42
  4.7 算法分析  42-49
    4.7.1 性能分析  42-43
    4.7.2 实效分析  43-46
    4.7.3 实验分析  46-49
第五章自适应并行蚁群算法的属性约简  49-59
  5.1 算法基本思想  49-50
  5.2 算法基本框架  50-53
    5.2.1 适应度函数的确定  51
    5.2.2 信息素的自适应调节  51-52
    5.2.3 信息素交流概率  52-53
    5.2.4 算法终止条件  53
  5.3 自适应并行蚁群约简算法设计  53-55
    5.3.1 算法可行性分析  53-54
    5.3.2 算法描述  54-55
  5.4 实验分析  55-59
第六章总结  59-62
  6.1 论文总结  59-60
  6.2 未来的工作  60-62
参考文献  62-66
致谢  66-67
附录A ( 攻读硕士学位期间发表论文情况)  67

基于遗传蚁群算法的属性约简研究

内容摘要

全文目录

相似论文