基于知识粒度特征的多目标粗糙集属性约简算法

• 作者: 李学伟 李雪岩 蒋君
• 来源期刊: 控制与决策
• 学科: 数学
• 关键词: 知识粒度 粗糙集 多目标优化 集群智能 复杂网络 多层感知机
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 196-205
• 页数: 10页
• 分类号: O159|O224
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2019.0490

摘要

针对多知识粒度粗糙集在条件属性权重计算及约简过程中易忽略单个属性序列产生的等价划分的问题,引入帕累托最优思想,同时考虑基于等价关系的知识依赖分辨度以及属性的重要性程度,将多粒度粗糙集属性约简问题转化为离散多目标优化问题.针对该问题的结构设计具有集群智能优化思想及复杂网络拓扑结构的优化算法,在算法中引入基于个体的非支配解集以平衡局部最优与全局最优的关系,引入基于"均值-方差"的遗传算子增加种群多样性.以UCI中的测试数据集作为算例构建粗糙集决策表进行优化计算,引入多种智能算法进行性能比较,依据约简结果,利用多层感知机对数据集中的对象进行分类,验证约简方法的有效性.研究结果表明:所提出方法具有更强的多目标属性挖掘性能;基于帕累托最优思想的多目标属性约简方法能较好地综合知识分辨度与知识粒度建模方式的优点,提升数据集的分类精度.