基于粗糙集的加权朴素贝叶斯分类算法研究.pdf

文档介绍：基于粗糙集的加权朴素贝叶斯分类算法研究长沙理工大学硕士学位论文学位申请人姓名周主指导教师矍互教授让簋扭生道信工程专业名称进篡狃廛厦量盔至兰生兰旦生主屋祝垦麴援学校代号：学号：密级：公开所在学院论文提交日期论文答辩日期答辩委员会主席
瓻．
／一一作者签名：旧作者签名：貉日期：矽／乡年多月尹日日期：≯荒昝率零可长沙理工大学学位论文原创性声明学位论文版权使用授权书日期：哆年聁授权中国科学技术信息研究所将本论文收录到《中国学位论文全文数据库》，并⒉槐Ｃ艿稹本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时通过网络向社会公众提供信息服务。本学位论文属于⒈Ｃ芸冢年解密后适用本授权书。朐谝陨舷嘤Ψ娇蚰诖颉啊导师签名：．
摘要识约简时，能够保持分类能力不变的特性，将粗糙集理论与得到广泛应用却受条件独立据集，另一方面可以参与权值的计算，有效地利用了朴素贝叶斯和粗糙集约简的优势，数据挖掘作为信息技术自然演化的结果之一，引起了整个信息产业界的极大关注。数据挖掘是从大量包含结构化、半结构化、文本、图形和图像的原始数据中，采用数学的、非数学的、演绎和归纳的知识发现方法，提取隐含在其中的，可用于决策支持、信息管理等方面的知识和信息的过程。数据分类是数据挖掘的一个重要组成部分，现在主要的分类技术有贝叶斯分类器、基于决策规则的分类器、决策树分类器、粗糙集、遗传算法和贝叶斯信念网络等。自波兰科学院院士甈岢龃植诩岳矗植诩砺鄣玫搅斯惴汗刈ⅲ现主要用于近似分类、属性和属性值约简、属性依赖性分析等。本文利用了粗糙集在知性假设条件限制的朴素贝叶斯分类算法结合，取长补短，使朴素贝叶斯算法的分类能力得到提高。本文的主要研究工作包括两个方面：粜栽技蛴肫铀乇匆端菇岷系乃惴ㄑ芯俊７治隽思钢质粜栽技蛩惴ǎㄖ翟技和属性约简的算法。然后利用基于属性序的属性约简算法与朴素贝叶斯分类算法进行结合，提出了一种基于属性序约简的加权朴素贝叶斯分类算法。新算法一方面可以简化数使分类的精度和适应性得到了一定程度的提高。ù植诩泻耸粜缘那笕》椒ㄓ肫铀乇匆端顾惴ń薪岷希岢隽艘恢只诤耸性的加权朴素贝叶斯分类算法，使朴素贝叶斯的条件独立性假设限制条件得到弱化，求核属性可使数据集得到简化，为朴素贝叶斯算法的实现准备了前提条件，这样取长补短，使分类精度得到了提高。关键词：数据挖掘；属性加权；粗糙集；朴素贝叶斯分类；属性约简
，，猰琩琲，琭琯，琤．．甒琣瓸，甒，，，．琲甊．琩琫．甈琣甋琣琣，，瓵，．．．．
；；琾琣．瑃篋籒；．
目录第一章绪论第二章粗糙集第三章一种基于属性序约简的加权朴素贝叶斯算法．萃诰虻墓δ堋．萃诰蜓芯肯肿础．萃诰蚍⒄骨魇啤璤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的研究内容与组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯粗糙集的基本概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．知识与分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数据挖掘概述⋯⋯⋯⋯⋯．萃诰虻幕靖拍睢．萃诰蚣际酢．萃诰蚬獭．萃诰虻挠τ谩数据挖掘研究现状及发展趋势⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯知识约简与核⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．属性重要性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．信息表知识表达系统和决策表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．畔⒈碇J侗泶锵低场．霾弑怼本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．几种分类方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．几种约简算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
附录攻读硕士学位期间发表论文目录第四章基于核属性的加权朴素贝叶斯分类算法第五章总结与展望参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯