收藏本站
《河北农业大学》 2002年
收藏 | 手机打开
二维码
手机客户端打开本文

基于粗糙集和支持向量机的多值分类算法

冯洪海  
【摘要】: 支持向量机(SVM)是近年来发展起来的基于小样本的新的通用学习技术。该技术具有坚实的理论基础、强泛化能力,分类精度高且能收敛至全局最优解。但它是二值分类器,不适用于多值分类场合及处理海量数据。粗集理论则具有处理和约简大数据量的优势,但分类精度不如SVM方法。本文利用粗集理论对数据进行预分类,在此基础上提出两种二值分类数据组合方法,然后,再利用SVM两两分类。这样,既解决了多值分类问题,提高了分类精度,又实现了数据压缩。其中利用主属性中不可分辨关系(或相近关系)预分类的方法,概念清晰,易于理解、操作,数据压缩量大。 以某属性的等价类(相近类)组成的子集作为SVM的训练集预分类的方法如下。 (1)将连续性训练数据离散化。 (2)去掉离散化后不可分辨的属性。 (3)将决策表进行属性约简,值约简。 (4)计算每个属性的等价类数目,选择等价类数目最多的属性作为主属性。如有多个属性的等价类都具有最多的等价类数目,则选择等价类中包含类别数最少的属性。 (5)让每一个等价类(或相近类)作为一个子集,作为SVM的训练集。得出SVM决策函数。 (6)在每个子集所在离散空间用相应的决策函数进行分类。 本算法利用一个主属性的不可分辨值将样本空间分成多个子集,然后在这些子集中再进行SVM测试。这样既压缩了数据,又保证了分类精度。 通过仿真试验,表明算法是可行的。
【学位授予单位】:河北农业大学
【学位级别】:硕士
【学位授予年份】:2002
【分类号】:TP18

【参考文献】
中国期刊全文数据库 前4条
1 焦李成,张莉,周伟达;支撑矢量预选取的中心距离比值法[J];电子学报;2001年03期
2 李晓黎,刘继敏,史忠植;基于支持向量机与无监督聚类相结合的中文网页分类器[J];计算机学报;2001年01期
3 范劲松;方廷健;;基于粗集理论和SVM算法的模式分类方法[J];模式识别与人工智能;2000年04期
4 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期
【共引文献】
中国期刊全文数据库 前10条
1 刘兴远,方顺兴,姚忠国;建筑结构试验数据处理的几种方法[J];四川建筑科学研究;1993年02期
2 徐文婷;李承鹏;;基于自适应遗传算法的离散化方法[J];合肥师范学院学报;2011年03期
3 张燕平;提取特征规则的重复覆盖算法(RCA)[J];安徽大学学报(自然科学版);2002年02期
4 高湘萍;吴小培;沈谦;;基于脑电的意识活动特征提取与识别[J];安徽大学学报(自然科学版);2006年02期
5 蔡莉;胡学钢;;一种基于粗集的决策表求核算法[J];安徽大学学报(自然科学版);2007年06期
6 周玉华;李景杰;;不完备决策表的一种属性约简方法[J];安徽大学学报(自然科学版);2009年04期
7 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
8 杨萍,万上海,陈耿;一种基于可变支持度的缺省规则挖掘算法[J];安徽工程科技学院学报(自然科学版);2004年02期
9 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
10 孙全玲;基于粗集和神经网络的建模方法研究[J];安徽建筑工业学院学报(自然科学版);2005年02期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 危前进;董荣胜;孟瑜;崔更申;;基于粗糙集的机械装配知识发现方法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
3 ;Fuzziness in Covering Generalized Rough Sets[A];第二十六届中国控制会议论文集[C];2007年
4 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
6 李雄;党生;;基于Rough集理论的战场侦察情报处理[A];第二十六届中国控制会议论文集[C];2007年
7 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
8 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七届中国控制会议论文集[C];2008年
9 蒋少华;桂卫华;阳春华;唐朝晖;蒋朝辉;;基于主元分析与支持向量机的方法及其在密闭鼓风炉过程监控诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
10 陈楚湘;沈建京;陈冰;尚长兴;王运成;;运用粗糙集理论建立中老年肺炎中医症候诊断标准[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
3 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
4 姜延吉;多传感器数据融合关键技术研究[D];哈尔滨工程大学;2010年
5 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
6 柏坚;非线性数学地质模型研究及在滇东南金矿成矿预测中的应用[D];中国地质大学(北京);2010年
7 姚志明;基于步态触觉信息的身份识别研究[D];中国科学技术大学;2010年
8 张昌明;新疆汉族、维吾尔族及哈萨克族食管癌血清蛋白质指纹图谱研究[D];新疆医科大学;2010年
9 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
10 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
中国硕士学位论文全文数据库 前10条
1 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
2 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
3 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
4 岳海亮;信息论在粗糙集连续属性离散化中的应用[D];辽宁师范大学;2010年
5 江达秀;基于HMAX模型的人脸表情识别研究[D];浙江理工大学;2010年
6 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
7 刘磊;多泥沙河流水库优化调度研究[D];郑州大学;2010年
8 辛保兵;既有预应力混凝土梁桥剩余承载力评估方法研究[D];郑州大学;2010年
9 张晓冬;基于全矢谱的智能诊断技术研究[D];郑州大学;2010年
10 李昕哲;关系邻域系统的属性约简[D];郑州大学;2010年
【二级参考文献】
中国期刊全文数据库 前2条
1 阎平凡;对多层前向神经网络研究的进一步看法[J];电子学报;1999年05期
2 李晓黎,史忠植;用数据采掘方法获取汉语词性标注规则[J];计算机研究与发展;2000年12期
【相似文献】
中国期刊全文数据库 前10条
1 李波,李新军;一种基于粗糙集和支持向量机的混合分类算法[J];计算机应用;2004年03期
2 马飞;沈小梅;王晓丹;曹泽阳;;基于粗集的SVM算法在空袭目标识别中的应用[J];航空兵器;2009年04期
3 唐忠;曹俊月;;基于粗糙集属性约简的SVM异常入侵检测方法[J];通信技术;2009年02期
4 刘晖;王晓丹;;基于RS的SVM算法在空袭目标识别中的应用[J];微计算机信息;2010年04期
5 李千目,赵学龙,游静,刘凤玉;基于粗糙集支持向量机的网络故障诊断系统[J];计算机工程与应用;2004年29期
6 周辅疆;田伟峰;朱小冬;;RS_SVM在装备维修费用预测中的应用[J];计算机工程与应用;2010年31期
7 王伟立;杨育;王明恺;宋李俊;;基于RS和SVM的客户协同创新伙伴选择[J];计算机工程与应用;2007年29期
8 扶宗文;王键;傅明;;基于粗糙集和Online SVM的入侵检测规则提取[J];计算机工程与设计;2009年16期
9 任小康;白勇峰;范丽;李颜瑞;;基于改进的SVM的甲状腺图像检索[J];计算机工程与科学;2011年01期
10 李大湘;彭进业;贺进芳;;基于视觉语义与RSSVM的图像检索[J];华南理工大学学报(自然科学版);2010年04期
中国重要会议论文全文数据库 前10条
1 陈博文;陈彦臻;;基于支持向量机的董事会行为视角下公司财务危机预警研究[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
2 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
3 齐晓轩;纪建伟;韩晓微;原忠虎;;基于FCM的粗糙集属性约简方法在汽轮机故障诊断中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
4 刘永红;薛青;郑长伟;;基于粗糙集理论的C4ISR评估方法[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
5 陈昭炯;叶东毅;;粗糙集在一类林业数据决策分析中的应用[A];中国运筹学会第六届学术交流会论文集(下卷)[C];2000年
6 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
7 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
8 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
9 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
10 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年
中国重要报纸全文数据库 前10条
1 ;栉风沐雨铸辉煌 继往开来谱华章[N];人民邮电;2006年
2 李水根;计算机详解配伍与药效关系[N];健康报;2005年
3 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
4 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
5 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
6 王玮 蔡莲红;数据挖掘走入语音处理[N];计算机世界;2001年
7 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
8 ;选择合适的数据挖掘算法[N];计算机世界;2007年
9 周颖;王米渠与中医心理学[N];中国中医药报;2006年
10 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
中国博士学位论文全文数据库 前10条
1 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
2 王秀梅;工科高校创新人才培养及评价研究[D];华北电力大学(河北);2009年
3 张国军;基于粗糙集的相对属性约简算法及决策方法研究[D];华中科技大学;2010年
4 马君华;粗糙集属性约简和聚类算法及其在电力自动化中的应用研究[D];华中科技大学;2010年
5 韩虎;基于粗糙集的支持向量机及应用研究[D];兰州交通大学;2011年
6 丛蓉;作战指挥决策支持系统目标融合识别研究[D];大连理工大学;2010年
7 纪霞;不完备信息系统中粗糙集理论的扩展研究与应用[D];安徽大学;2010年
8 赵佰亭;混合决策系统的粗集模型及在转台故障诊断中的应用[D];哈尔滨工业大学;2010年
9 王明春;基于粗糙集的数据及文本挖掘方法研究[D];天津大学;2005年
10 杨习贝;不完备信息系统中粗糙集理论研究[D];南京理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 冯洪海;基于粗糙集和支持向量机的多值分类算法[D];河北农业大学;2002年
2 李楠;基于邻域粗糙集的属性约简算法研究[D];陕西师范大学;2011年
3 王鹏;基于邻域粗糙集的属性约简算法研究[D];河北科技大学;2011年
4 梁蒙;基于粗糙集的属性约简算法研究[D];河南大学;2011年
5 崔彩霞;基于支持向量机的文本分类方法研究[D];山西大学;2005年
6 洪成昱;粗糙集与支持向量机结合的方法在连续属性离散化中的应用[D];东北大学;2008年
7 任宏旺;基于粗糙集的数据挖掘模型的研究与应用[D];大连海事大学;2003年
8 邹铁英;基于粗糙集与支持向量机的电力短期负荷预测研究[D];南昌大学;2008年
9 刘锋;基于粗糙集的支持向量机分类方法[D];景德镇陶瓷学院;2010年
10 陈展雄;基于多种群免疫量子粒子群的粗糙集属性约简与故障诊断[D];华东理工大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026