基于粗糙熵的数据约简算法及应用研究的中期报告.docx

基于粗糙熵的数据约简算法及应用研究的中期报告
一、研究背景和意义
数据约简是数据挖掘领域的一个重要问题。数据约简的目的是从数据集中挑选出最重要的一些属性，以达到简化数据集的目的。这不仅有助于数据的可视化和分析，而且能够提高分类和聚类的准确性。目前已有许多数据约简算法被提出，其中基于粗糙集理论的数据约简算法是较为常用的一种方法。
基于粗糙集理论的数据约简算法最初是由Pawlak等人提出的。粗糙集理论是处理不确定性、不完整性和模糊性信息的一种方法。在数据挖掘领域中，粗糙集理论可用于处理具有不完备和未知属性值的数据集。
粗糙熵是粗糙集理论的核心概念之一。它表示了一个属性在数据集中涵盖的信息量，是评价属性重要性的一个指标。基于粗糙熵的数据约简算法能够选出最具有代表性的最小属性集合，保证了数据减小的最大化。
二、研究内容和方法
本研究将基于粗糙熵的数据约简算法作为主要研究对象，旨在探索一种高效的数据约简方法，并且应用该方法于实际数据集。
本研究主要包括以下内容：
1.精读关于基于粗糙熵的数据约简算法相关的文献，建立对算法的深入理解。
2.通过实验比较不同的约简算法，探索其优缺点及适用范围。
3.基于MATLAB等工具，设计和实现基于粗糙熵的数据约简算法，并对算法进行优化，提高算法的效率和准确性。
4.应用所设计的算法，对实际数据集进行约简，并评估算法的性能和实现效果。
三、预期研究结果
本研究预期得到以下的结果：
1.深入理解基于粗糙熵的数据约简算法，熟悉其实现过程和优化手段。
2.较为系统地比较不同的约简算法，找到适用于不同数据类型和数据量的算法。
3.设计和实现基于粗糙熵的数据约简算法，并进行算法的性能评估和优化实验。
4.在实际数据集上应用所设计的算法，验证算法的有效性和实现效果。
四、研究进度和计划
本研究已完成了一部分工作，具体进度和计划如下：
1.已完成文献综述和研究背景的调研，深入理解了基于粗糙熵的数据约简算法的原理和应用范围。
2.已经对不同的数据约简算法进行了调研比较，包括基于信息熵、平均唯一性、核心区域和粗糙熵的算法等。
3.已经完成了基于MATLAB工具箱的基于粗糙熵的数据约简算法的初步实现，并进行了初步优化。
4.计划在下一步工作中，进一步完善算法的实现，并进行实验比较；并应用所设计的算法于广泛的数据集，评估算法的性能和实现效果，进一步提高算法的有效性和实用性。
五、参考文献
1.PawlakZ.Roughsets.IntJComputInfSci,1982,5:341-356.
2.XuJ,HaoJK,etal.Acombinedheuristicalgorithmforattributereductioninroughsettheory.PatternRecognitionLetters,2004,25(16),pp.1845-1852.
3.LiuJ,GuY,etal.Anincrementalapproachtoroughsetbasedfeatureselection.PatternRecognition,2010,43(1),pp.317-327.
4.TanY,WangJ,etal.Anovelapproachforfeatureselectionbasedonroughsetandbinaryparticleswarmoptimization.PatternRecognitionLetters,2008,29(6),pp.732-739.
5.FanY,ZengJ,etal.Anovelfeatureselectionmethodusingroughsetsandmulti-objectiveoptimization.KnowledgeandInformationSystems,2013,38(1),pp.25-48.