粒計(jì)算分類知識(shí)發(fā)現(xiàn)算法及其應(yīng)用.pdf

1、人類正在步入一個(gè)以知識(shí)生產(chǎn)、應(yīng)用為最重要因素的知識(shí)經(jīng)濟(jì)時(shí)代。以知識(shí)發(fā)現(xiàn)為核心的智能信息處理技術(shù)在知識(shí)的生產(chǎn)過(guò)程中具有越來(lái)越重要的作用。分類具備一般知識(shí)發(fā)現(xiàn)的數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、模型評(píng)估和知識(shí)表示的基本流程，是一項(xiàng)重要的知識(shí)發(fā)現(xiàn)任務(wù)。由于分類的廣泛應(yīng)用及其在化學(xué)化工領(lǐng)域的重要意義，對(duì)分類方法展開(kāi)研究不僅可以促進(jìn)數(shù)據(jù)挖掘技術(shù)的發(fā)展，還能極大地開(kāi)拓化學(xué)化工領(lǐng)域中知識(shí)發(fā)現(xiàn)的應(yīng)用前景。
　　 目前，分類知識(shí)發(fā)現(xiàn)的研究和技術(shù)已有長(zhǎng)足進(jìn)步，

2、各種挖掘方法層出不窮，但一些有待研究的問(wèn)題也日趨突出。尤其在化學(xué)化工領(lǐng)域，由于采集和積累的數(shù)據(jù)往往具有多因子、非線性、高噪音和非均勻分布等特點(diǎn)，常規(guī)的分析和處理方法不僅耗時(shí)，而且難以有效地挖掘和發(fā)現(xiàn)其中所隱含的知識(shí)，相關(guān)的分類知識(shí)發(fā)現(xiàn)方法和技術(shù)有待改進(jìn)和發(fā)展，對(duì)之展開(kāi)深入的研究，對(duì)促進(jìn)化學(xué)化工學(xué)科的發(fā)展具有重要的意義，也會(huì)產(chǎn)生巨大的經(jīng)濟(jì)價(jià)值。
　　 粒計(jì)算是信息處理的一種新的概念和計(jì)算范式，覆蓋了所有與粒度相關(guān)的理論、方法、技術(shù)

3、和工具。粒計(jì)算的基本思想是模擬人類智能的特點(diǎn)，在求解復(fù)雜問(wèn)題時(shí)，通過(guò)選擇合適的粒度，降低問(wèn)題求解的難度，有助于找到一種較好的解決方案。粒計(jì)算原理為知識(shí)發(fā)現(xiàn)的研究提供了新途徑。但是，目前有關(guān)粒計(jì)算的研究大多還以理論研究為主，粒計(jì)算的應(yīng)用研究較少，尤其在化學(xué)化工領(lǐng)域，更鮮見(jiàn)文獻(xiàn)報(bào)道。本文歸納提出了粒計(jì)算用于知識(shí)發(fā)現(xiàn)的四項(xiàng)基本原理，利用此原理，對(duì)當(dāng)前分類知識(shí)發(fā)現(xiàn)方面的若干挑戰(zhàn)問(wèn)題進(jìn)行了研究，提出了相應(yīng)的策略和方法，以用于化學(xué)化工領(lǐng)域中的相關(guān)問(wèn)

4、題。
　　 本文的主要研究工作和成果可歸納如下：
　　 1．?；途垲愂且环N對(duì)知識(shí)進(jìn)行總結(jié)概括的方法，聚類生成的類刻畫(huà)了數(shù)據(jù)所蘊(yùn)涵的類知識(shí)。聚類分析，是軟科學(xué)研究的重要的基礎(chǔ)性方法，也是一種有效的手段。自適應(yīng)共振（Adaptive Resonance Theory，ART）網(wǎng)絡(luò)ART2用于聚類，具有許多優(yōu)點(diǎn)。同時(shí)也存在對(duì)輸入的漸變模式不敏感，抗噪音性能有限的缺點(diǎn)。為此，本文提出了改進(jìn)的自適應(yīng)共振網(wǎng)絡(luò)（ART2 with

5、Enhanced Triplex Matching mechanism，ETM-ART2），加強(qiáng)了內(nèi)部檢測(cè)機(jī)制，以提高ART2網(wǎng)絡(luò)的性能，對(duì)橄欖油樣本進(jìn)行聚類分析試驗(yàn)，其聚類性能優(yōu)良，尤適用于海量數(shù)據(jù)的聚類問(wèn)題。ETM-ART2還可為分類問(wèn)題構(gòu)建信息粒，有助于知識(shí)發(fā)現(xiàn)，并提高分類性能。
　　 2．粒的構(gòu)建是應(yīng)用粒計(jì)算的基本步驟之一。本文根據(jù)粒度求解近似原理，提出了采用ART網(wǎng)絡(luò)構(gòu)建信息粒，可為分析對(duì)象方便、快速地建立合適的信息粒

6、；又由GrC(Granular computing，GrC)問(wèn)題簡(jiǎn)化原理，提出了基于信息粒的分類知識(shí)發(fā)現(xiàn)的求解方案。開(kāi)發(fā)了兩個(gè)算法：其一，基于信息粒的模糊分類知識(shí)發(fā)現(xiàn)算法(Information Granulation based FuzzyClassification Knowledge Discovery Method， IG-FCKDM)；其二，基于粒的關(guān)鍵特征分析（Key Feature Analysis based on Gr

7、anulation，KFAG）、由C4.5實(shí)施分類規(guī)則挖掘的算法KFAG-C4.5。IG-FCKDM側(cè)重于求解非均衡兩分類問(wèn)題和分類誤差敏感問(wèn)題，即分類判定錯(cuò)誤可能帶來(lái)巨大損失。它采用Fuzzy ART構(gòu)建信息粒，繼而通過(guò)模糊處理，提取分類規(guī)則。對(duì)疾病診斷的試驗(yàn)表明，IG-FCKDM處理此類問(wèn)題效果較好，且其預(yù)測(cè)正確性和可信度對(duì)用戶有更重要的意義。KFAG-C4.5可用于一般分類問(wèn)題和多類非均衡分類問(wèn)題。它采用ETM-ART2構(gòu)建信息粒

8、，再進(jìn)行本文提出的基于粒的關(guān)鍵特征分析，并將各屬性合理地劃分為具有較強(qiáng)的類別區(qū)分能力的若干子屬性，子屬性數(shù)不致過(guò)多。使信息粒由子屬性描述，并以離散值0或1表示。便于最后采用C4.5實(shí)施分類規(guī)則挖掘。對(duì)玻璃兩分類和多類非均衡問(wèn)題的試驗(yàn)表明，KFAG-C4.5具有較好的分類識(shí)別能力。IG-FCKDM和KFAG-C4.5這兩個(gè)算法挖掘所得知識(shí)雖然表現(xiàn)形式有所不同，但都很簡(jiǎn)潔，可理解性好，易于各類專業(yè)人員分析，且較好地解決了非均衡數(shù)據(jù)的分類問(wèn)題

9、。
　　 3．集成學(xué)習(xí)?？商岣邌蝹€(gè)分類器的性能，隨著研究的深入，選擇性集成學(xué)習(xí)逐漸成為研究熱點(diǎn)。當(dāng)前，基于隨機(jī)優(yōu)化算法的選擇性集成算法，大多以泛化誤差為目標(biāo)，基本忽略了個(gè)體分類器本身的特性，尤其是差異性度量。這些方法也取得了一些成果，但計(jì)算復(fù)雜度較高，效率偏低。為解決個(gè)體分類器差異性度量的難題，本文基于GrC問(wèn)題的等價(jià)原理，將選擇性集成問(wèn)題轉(zhuǎn)換到較簡(jiǎn)單的關(guān)聯(lián)空間，研究了一種簡(jiǎn)單而高效的選擇機(jī)制，開(kāi)發(fā)了基于知識(shí)粒、兼顧正確率和差異

10、性的選擇集成(Correctness and Diversity based Selective Ensemble，CDSE)算法。將其用于毒性作用機(jī)制的分類試驗(yàn)，其性能優(yōu)于集成算法Bagging、AdaBoost.M1，以及單個(gè)C4.5分類器。CDSE從優(yōu)選個(gè)體分類器的角度出發(fā)，為提高集成分類的泛化性能和效率提供了有效的解決方案。
　　 4．在集成分類器的構(gòu)建生成和預(yù)測(cè)判定這兩個(gè)層面上，提出了自適應(yīng)的新思路，將CDSE拓展為自

11、適應(yīng)集成(Correctness and Diversity based Adaptive Selective Ensemble，CDASE)學(xué)習(xí)算法，進(jìn)一步提高了集成分類的泛化性能。CDASE針對(duì)每一類別，自適應(yīng)地生成特定適用的集成分類器，組合為集成分類器組AE-Group，其中各個(gè)集成分類器間存在包容性，故其占用的計(jì)算資源甚少，有效地減少了存儲(chǔ)空間和計(jì)算時(shí)間。AE-Group又以自適應(yīng)方式，即從集成分類器組中選用最適合的集成分類器對(duì)