D型概率决策形式背景下的规则获取及属性约简
[Abstract]:Formal background is the basic representation of data in formal conceptual analysis. It represents the binary relationship between objects and attributes. The formal background of decision is to divide the attribute set of formal background into two parts: conditional attribute and decision attribute. On this basis, rule extraction and attribute reduction are two important research directions of formal background of decision. In view of the uncertainty of decision attribute in life, this paper puts forward the formal background of D type probabilistic decision making, and defines the coordination of this background. Based on the background of coordinated D type probabilistic decision making, this paper studies the method of obtaining decision rules and the problem of attribute reduction, which keeps the set of decision rules relatively superior. The main contents include: 1. Based on the uncertainty decision problem, the formal background of D type probabilistic decision making is put forward, the concept of probability form is obtained by defining operator, the corresponding probability concept lattice is constructed, and the properties of formal background of D type probabilistic decision are studied. The consistency of the formal background of D type probabilistic decision making is defined, and the rule acquisition method of < coordinated D type probabilistic decision making background. 2'is studied. In this paper, the attribute reduction problem which keeps the decision rule set relatively superior is studied to make the rule set more concise and compact, and the attribute reduction problem of preserving the non-redundant decision rule set is studied. The relationship between probabilistic concept lattices and classical concept lattices is studied, and the relation between the reduction with invariant lattice structure and the relatively superior reduction of preserving the decision rule set is discussed. The relationship between the relatively optimal coordination set of preserving the decision rule set and the relatively optimal coordination set of preserving the non-redundant decision rule set.
【学位授予单位】:西北大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP18;O225
【相似文献】
相关期刊论文 前10条
1 马骏;沈夏炯;;基于n阶形式背景核的概念格重构[J];河南大学学报(自然科学版);2007年01期
2 李金海;吕跃进;;基于概念格的决策形式背景属性约简及规则提取[J];数学的实践与认识;2009年07期
3 韩道军;张磊;沈夏炯;周珂;;形式背景提取初探[J];河南大学学报(自然科学版);2007年05期
4 王磊;魏玲;姚广;;横向合成背景的概念生成[J];西北大学学报(自然科学版);2010年02期
5 王艳盼;李涛;;强协调决策形式背景的概念格属性约简[J];纺织高校基础科学学报;2013年03期
6 王虹;万金凤;;协调决策形式背景的属性约简[J];工程数学学报;2006年03期
7 何淑贤;王育红;翟岩慧;曲开社;;不完备形式背景及其完备化方法[J];山西大学学报(自然科学版);2006年04期
8 凌密然;米据生;马丽;;异构形式背景上的不确定推理[J];山东大学学报(理学版);2014年08期
9 姚广;魏玲;王磊;;合成背景的面向属性概念格生成[J];西北大学学报(自然科学版);2010年01期
10 张清新;;基于布尔矩阵的决策形式背景协调集判断方法[J];漳州师范学院学报(自然科学版);2012年01期
相关会议论文 前1条
1 杨淑群;姜楠;丁树良;丁秋林;;认知诊断新模型[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
相关博士学位论文 前6条
1 万青;基于直观图的概念格知识获取理论与方法[D];西北大学;2015年
2 马丽;基于不确定性理论的概念格生成与知识获取的若干问题研究[D];河北师范大学;2016年
3 沈夏炯;概念格同构生成方法研究及IsoFCA系统实现[D];上海大学;2006年
4 李云;概念格分布处理及其框架下的知识发现研究[D];上海大学;2005年
5 智慧来;概念格构造与应用中的关键技术研究[D];上海大学;2010年
6 谢志鹏;基于概念格模型的知识发现研究[D];合肥工业大学;2001年
相关硕士学位论文 前10条
1 李美争;形式背景的强直接积与和运算[D];河北师范大学;2011年
2 凌密然;异构形式背景上的不确定推理[D];河北师范大学;2015年
3 张红娟;直觉模糊信息系统上概念格的构造与约简[D];山西师范大学;2015年
4 董川赞;强协调决策形式背景的属性约简[D];燕山大学;2016年
5 孟罗丹;形式背景中不确定性概念分析[D];西南交通大学;2016年
6 郭伦众;概念格的性质及生成算法的研究[D];西南交通大学;2016年
7 张慧雯;扩展形式背景的公理化与约简[D];昆明理工大学;2016年
8 梁健;模糊概念格的构造与属性约简[D];山西师范大学;2016年
9 刘yN超;概念格构造的两种新方法[D];河北大学;2017年
10 李仲玲;形式背景基于概念外延的属性约简[D];河北师范大学;2011年
,本文编号:2216579
本文链接:https://www.wllwen.com/kejilunwen/yysx/2216579.html