粒子群优化粗糙集属性约简技术研究

• 作 者: 常红伟
• 出 处: 河北工业大学
• 发表日期: 2018年01期
• 关键词: 粗糙集 属性约简 粒子群优化 云模型 鲶鱼效应

粗糙集理论是一种有效分析和处理不确定性、不精确性、不完备性的数学工具,现成为智能信息处理的一个研究热点,并被广泛应用于机器学习、模式识别、模糊控制、故障诊断、数据挖掘与知识发现等诸多领域。属性约简是粗糙集一个重要研究内容,也是数据挖掘中的重要环节。常见的属性约简不能很好地处理高维、复杂的大数据,为此,本文系统地研究基于粒子群优化算法的属性约简技术,并进行典型UCI数据仿真验证,以及在实际石油测井中的应用。主要研究内容与创新如下:(1)常用属性约简算法分析。首先在阐述粗糙集基本原理基础上,对基于差别矩阵和基于属性重要性的约简方法进行分析,然后采用经典例子进行仿真实验,结果表明常见属性约简方法能较好地处理低维的小样本信息,但不能很好地处理高维、复杂大数据。(2)粒子群优化算法的改进。为解决粒子群(PSO)算法搜索空间有限、易陷入局部极值以及种群多样性少的问题,研究基于量子、云模型、鲶鱼效应相结合的混合粒子群优化(CCQPSO)算法,主要引入量子扩大粒子群算法搜索空间,并利用云模型调节收缩扩张因子来平衡全局搜索和局部搜索能力,进而利用鲶鱼效应改变种群的多样性。经典型测试函数实验,结果表明CCQPSO算法优于PSO算法和量子PSO算法。(3)采用粒子群优化的属性约简技术研究。为解决常用属性约简方法不能有效处理高维、复杂大数据的问题,研究基于CCQPSO算法的属性约简方法,构造既满足约简条件又满足约简后的属性个数尽量少且两者内积较高的适应度函数。经UCI数据测试,结果表明基于CCQPSO算法的属性约简算法在处理高维、复杂大数据方面上优于常用属性约简算法。(4)测井油层识别应用研究。为了克服传统油层测井中油层识别率低的缺陷,研究CCQPSO算法的属性约简技术和AdaBoost-CCQPSO-SVM分类器,并设计了智能油层识别系统。经实际石油测井数据测试,结果表明智能的油层识别系统与实际测试结果相吻合,有效地提高了油层识别准确率。