基于惩罚函数的序贯三支决策模型研究

发布时间：2021-04-20 07:41

　　序贯三支决策作为当前粒计算领域兴起的一个研究热点,因其能够提供一个灵活的机制,实现了渐进计算的思想,已被广泛应用于图像处理、语音识别、医疗诊断等方面。在信息不足以做出精准决策时,序贯三支决策可以进一步收集信息,通过逐步粒化的方式将复杂问题从粗粒度空间转化到细粒度空间进行求解。然而,随着这种决策方法的深入发展,其自身仍存在一些问题需要进一步探究。例如,在现有研究中,由于代价参数大多都是通过专家经验给定,这使得参数缺少了一定的自适应性;另外,在代价敏感的序贯三支决策最优粒度选择中,存在没有充分考虑属性之间的相关性及代价之间量纲不统一等问题。为此,本文针对以上问题进行了相关研究:针对代价参数缺少自适应性问题,本文首先通过相邻两个粒层之间的分类精度差,定义了序贯三支决策中两类负效益分类;然后,通过引入机器学习中的惩罚函数,制定了代价参数的惩罚规则,并给出相邻粒层之间代价参数的映射关系;同时,探究了决策阈值因代价参数变化而产生的相关性质规律;最后,基于贝叶斯最小风险决策理论,给出每一粒层上的三支决策方法,进而构建了优化的序贯三支分类模型;实验结果表明该模型能够提高分类准确率。针对代价敏感的最优粒... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 论文选题背景及意义
    1.2 国内外研究现状及存在的问题
    1.3 论文主要研究内容
    1.4 论文组织结构
第2章 相关基础知识
    2.1 粗糙集的基础知识
    2.2 概率粗糙集的基础知识
    2.3 决策粗糙集的基础知识
    2.4 三支决策的基础知识
    2.5 序贯三支决策的基础知识
    2.6 本章小结
第3章 基于惩罚函数的序贯三支决策分类模型
    3.1 序贯三支决策的两类负效益分类
    3.2 惩罚函数的设计
    3.3 代价参数和阈值的变化规律
    3.4 基于惩罚函数的序贯三支决策模型算法
    3.5 实验分析与对比
    3.6 本章小结
第4章 基于惩罚函数的代价敏感最优粒度选择
    4.1 基于信息增益和卡方检验的属性重要度选择方法
    4.2 惩罚规则下代价参数的变化规律
    4.3 序贯三支决策模型的代价结构设计
    4.4 实验分析与对比
    4.5 本章小结
第5章 总结及未来工作
    5.1 全文总结
    5.2 未来工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]优势-等价关系下序贯三支决策的属性约简[J]. 李艳,张丽,王雪静,陈俊芬.  计算机科学. 2019(02)
[2]广义不完备多粒度标记决策系统的粒度选择[J]. 吴伟志,杨丽,谭安辉,徐优红.  计算机研究与发展. 2018(06)
[3]粗糙近似算子的公理化刻画:综述[J]. 吴伟志.  模式识别与人工智能. 2017(02)
[4]效用三支决策模型[J]. 张楠,姜丽丽,岳晓冬,周杰.  智能系统学报. 2016(04)
[5]协调的不完备多粒度标记决策系统的最优粒度选择[J]. 吴伟志,陈颖,徐优红,顾沈明.  模式识别与人工智能. 2016(02)
[6]粗糙集理论:基于三支决策视角[J]. 刘盾,李天瑞,李华雄.  南京大学学报(自然科学版). 2013(05)
[7]粗糙集理论与应用研究综述[J]. 王国胤,姚一豫,于洪.  计算机学报. 2009(07)
[8]粗糙集属性约简的一般理论[J]. 张文修,仇国芳.  中国科学E辑:信息科学. 2005(12)



本文编号：3149273