基于粗糙集的SCM方法

来源 :东北师范大学 | 被引量 : 2次 | 上传用户:a8058058
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
分类器设计是模式识别系统中的关键步骤之一,它直接影响到系统的分类能力。目前的许多设计方法中,分类器大多采用的是单层结构,即直接将输入模式映射为识别出来的结果,这类结构虽然简单直观,但是往往难于发挥分类器设计算法的最大性能。文中从分类器的结构方面考虑,提出了一种基于粗糙集的SCM分类器的设计方法。集覆盖机(The set covering machine,SCM)理论是由Mario Marchand和John Shawe-Taylor在2002年提出的,它是作为支持向量机(The supportvector machine,SVM)的替换选项提出来的。SCM是一种基于集合覆盖的贪婪算法的分类方法,这种方法所得的分类函数简单,而且理论和实践都证明了SCM是一种非常优秀的机器学习方法。但是在处理实际问题时,数据库中的数据往往含有大量冗余或不必要的属性,这严重降低了SCM算法的时间效率和算法质量。因此删除数据的冗余属性和无关属性即属性约简就成了数据预处理过程中的主要任务,而粗糙集理论是处理属性约简的一个非常实用理论工具。所以本文利用粗糙集理论在处理大数据量,消除冗余信息等方面的优势,先对数据进行预处理,除掉输入SCM方法的噪声数据,从而提高分类的准确性。本文首先简要介绍了粗糙集理论及粗糙集的属性约简,接着介绍了SCM的相关知识,包括SCM的提出背景、理论基础和算法的实现,并用一个实例演示了算法的运算过程。然后简单探讨了粗糙集理论的属性约简和集合覆盖问题,从而将二者联系起来。最后提出了一种基于粗糙集的SCM分类器的设计方法。目前关于SCM研究还很少,并无大量的文献可供参考,对SCM的实现及应用本身就是一种较新的尝试。本文通过实例证实了这种基于粗糙集的SCM分类器在不明显增加构造复杂度的情况下改善了分类器的性能。
其他文献
学位
学位
随着便携式电子产品的普及,电源管理解决方案不断追求高效率、小芯片面积、低成本,这使得LDO越来越受欢迎。无片外电容的LDO可实现片上集成,随着SOC的进一步发展,必将越来越成为主流。片上集成减小了PCB的面积,但同时也对电路设计师提出了新的挑战.传统结构的LDO严格选择片外电容的ESR(等效串联电阻)范围,以保证多极点系统的稳定性;并且,大的片外电容可以在负载电流发生跳变时为负载电路提供电荷,提高
车牌自动识别系统是智能交通系统中的关键技术,在信息采集、车辆管理、自动收费等领域有着广泛的应用前景。基于图像处理方法的车牌自动识别系统由于设备简单,易于维护等优点
本文通过对荣华二采区10
期刊
本文对硬质合金磁饱和测量的行业背景和技术发展进行了研究和阐述,针对磁饱和测量系统,本文设计和验证了一种高精度的数据处理方法,并开发了便捷友好的上位机软件。成功运用