论文研究基于聚类粗糙集的集成特征选择方法 .pdf

提出的SSGAMLP（SmallSetGeneticAlgorithmMultilayerPerceptron）模型，是针对MLP模型易陷入局部最优，且模型泛化性不好，而遗传算法可以跳出局部最优，但是

邻域粗糙集应用的好坏依赖于邻域大小δ的取值。在使用基于邻域粗糙集的属性约简算法时，现有的δ取值方法一般是点值式的，即仅凭借人的经验指定某个值，这种方法在对δ取值时没有结合实际问题的具体情况，因此在算法

为了克服模糊C-均值（FCM）聚类算法易陷入局部极小值和对初始值敏感的缺点，提出了一种基于改进量子蚁群的模糊聚类算法。将量子计算原理和蚁群算法相结合来改进FCM算法。初期采用量子遗传算法生成信息素分布

针对K-means聚类算法容易陷入局部最优、不能处理边界对象及线性不可分的缺点,提出一种基于粒子群的粗糙核聚类算法。该算法通过Mercer核将输入样本空间中的样本映射到高维空间,使样本变得线性可分,并

基于结构特征聚类的相似代码检索方法，王克朝，王甜甜，针对基于图的相似代码检测方法复杂度高、对代码多样化识别能力有限等问题，提出基于结构特征聚类的方法。首先将代码表示为控制依

通过对Web日志的聚类分析，可以发现用户的群体特征，甚至可以预测用户将来的访问模式，进而为不同的用户群提供个性化服务。针对现有方法的一般缺陷，包括特征选择单一无法充分体现用户兴趣偏好和传统Hierar

利用粗糙集理论和模糊聚类的方法对某学校网站的日志数据进行实例分析，抽取用户感兴趣的模式，理解用户的浏览兴趣行为，以便进一步改善网站结构，为用户提供个性化服务。

基于粗糙集的高维分类型数据子空间聚类算法

Example Learning Research Based on Rough Set Theory

基于粗糙集的属性约简算法研究，粗糙集，约简算法