不完备模糊序信息系统的多粒度粗糙集模型拓展研究

发布时间：2020-10-23 07:32

　　 随着互联网技术的飞速发展,数据处理越来越被人们所重视,通过分析数据,可以得到很多对我们有用的信息,比如:分析投资理财的数据可以在决定投资前为我们提供风险参考依据、分析用户的购买以及浏览行为数据可以为商家提供精准推广产品的依据。而在这些数据中又有很多是具有顺序的,如学生成绩考核、投资风险等级评估、论文质量考核等。粗糙集技术处理数据有其独特的优势,它不需要提供除了数据以外的任何先验信息,因此成为了处理数据的有效工具,而将粒计算的思想引入粗糙集则为数据处理指明了新的方向。在生活中,由于各种原因,所得到的数据往往是不全的,存在缺失或者遗漏的情况。本文考虑到数据的缺失、属性模糊以及存在顺序性的情况,采用粗糙集结合粒计算的方法,对相应的模型进行了研究。具体工作如下:第一,改进了传统的扩展优势关系,提出严格的扩展优势关系的定义。在严格关系的基础上,建立新的多粒度粗糙集模型。传统的优势关系是一种不严格的优势关系,文章首先引入了严格优势关系的概念,得到改进的扩展优势关系并讨论了它的一些相关性质。进一步从乐观和悲观两个角度讨论了多粒度粗糙集模型给出了相应的定义。由于在现实生活中,每个属性的重要度可能是不同的,因此考虑每个属性的权重,提出了加权的基于改进的扩展优势关系多粒度粗糙集。第二,改进传统的限制优势关系,提出了基于改进的限制优势关系多粒度粗糙集模型。传统的限制优势关系是一种不严格的优势关系,因此,引入严格优势关系的概念,得到改进的限制优势关系。由于扩展优势关系在处理问题时条件过于宽松,在数据缺失比较多的时候错误率比较高,因此引入限制优势关系。从悲观和乐观两个角度讨论多粒度粗糙集模型并给出了相应定义。最后考虑到每个属性的重要度有时候是不一样的,提出加权的基于改进的限制优势关系多粒度粗糙集模型。第三,对不完备模糊序信息系统已有的粗糙集模型进行拓展,在数据缺失不多的时候,结合扩展优势关系,提出基于扩展优势关系的多粒度粗糙集模型,分别考虑乐观和悲观两种情况,给出相应的模型定义。在数据缺失比较多时,采用限制优势关系的概念,提出基于限制优势关系的多粒度粗糙集模型。最后,讨论了所提出的模型的粒度约简、规则提取、属性约简,证明了它们所满足的一些性质。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：O159
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 IFOIS的MRS国内外研究历史与现状
        1.2.1 多粒度粗糙集研究现状
        1.2.2 IFOIS研究现状
    1.3 本文的主要贡献与创新
    1.4 本论文的结构安排
第二章 理论基础
    2.1 不完备模糊序信息系统相关概念
    2.2 优势关系相关概念
    2.3 多粒度粗糙集相关概念
    2.4 模糊粗糙集相关概念
    2.5 知识约简
        2.5.1 可辨识矩阵
        2.5.2 决策表属性约简
第三章 不完备序信息系统中基于改进的扩展优势关系多粒度粗糙集模型
    3.1 改进的扩展优势关系粗糙集模型
    3.2 改进的扩展优势关系乐观、悲观多粒度粗糙集模型
    3.3 加权的基于改进的扩展优势关系粗糙集模型
    3.4 数值算例与分析
    3.5 本章小结
第四章 不完备序信息系统中基于改进的限制优势关系多粒度粗糙集模型
    4.1 改进的限制优势关系多粒度粗糙集模型
    4.2 基于限制优势关系的乐观、悲观多粒度粗糙集模型
    4.3 加权的基于改进的限制优势关系多粒度粗糙集模型
    4.4 数值算例与分析
    4.5 本章小结
第五章 不完备模糊序信息系统中基于优势关系的多粒度粗糙集模型
    5.1 基于扩展优势关系的不完备模糊序信息系统多粒度粗糙集
    5.2 数值算例与分析
    5.3 基于限制优势关系的不完备模糊序信息系统多粒度粗糙集
    5.4 数值算例与分析
    5.5 本章小结
第六章 不完备模糊序信息系统的多粒度粗糙集的属性约简
    6.1 基于扩展优势关系的不完备模糊序信息系统多粒度粗糙集属性约简
    6.2 规则提取
    6.3 粒度的重要性度量
    6.4 本章小结
第七章 全文总结与展望
    7.1 全文总结
    7.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果

【相似文献】

相关期刊论文 前10条

1 解道锦;万仁霞;王玮琪;;变精度概率相容粗糙集模型[J];数学的实践与认识;2018年05期

2 蔡克参;刘财辉;;元素最小描述并集下的概率粗糙集模型及其决策[J];数码设计;2016年01期

3 黄卫华;;基于等价关系的双粒度粗糙集模型[J];云南民族大学学报(自然科学版);2017年01期

4 黄卫华;;多粒度粗糙集模型[J];西南师范大学学报(自然科学版);2017年05期

5 周艳红;莫智文;;基于覆盖的精度与程度逻辑或粗糙集模型[J];模糊系统与数学;2017年01期

6 陶志;潘丽平;何丹峰;;改进的模糊粗糙集模型[J];中国民航大学学报;2017年05期

7 徐怡;杨宏健;纪霞;姚晟;;基于邻域的可变粒度粗糙集模型[J];小型微型计算机系统;2016年07期

8 李少阳;李巧艳;宋卫妮;;基于三角范数的变精度悲观多粒度粗糙集模型[J];计算机工程与应用;2016年17期

9 黄卫华;杨国增;;面向缺失数据的多粒度粗糙集模型[J];郑州师范教育;2016年04期

10 徐怡;李策;;基于多重阈值的变精度多粒度粗糙集模型[J];计算机工程与科学;2016年08期

相关博士学位论文 前10条

1 严胡勇;扩展粗糙集模型及其在水质富营养化评价中的应用研究[D];中国科学院大学(中国科学院重庆绿色智能技术研究院);2017年

2 魏大宽;不完备模糊决策信息系统粗糙集模型与知识约简研究[D];南京理工大学;2007年

3 孙士保;变精度粗糙集模型及其应用研究[D];西南交通大学;2007年

4 潘伟;多规则有序决策的粗糙集模型与熵方法[D];电子科技大学;2017年

5 桑妍丽;基于信息粒度的决策粗糙集模型与方法[D];山西大学;2017年

6 李华;多标记数据的粗糙集模型与算法研究[D];山西大学;2017年

7 谭旭;扩展粗糙集模型及其在烟叶质量预测与评价中的应用[D];国防科学技术大学;2009年

8 安爽;稳健模糊粗糙集模型研究[D];哈尔滨工业大学;2011年

9 黄正华;模糊粗糙集模型的若干拓展[D];武汉大学;2010年

10 赛英;粗糙集扩展模型及其在数据挖掘中的应用研究[D];中国人民解放军国防科学技术大学;2002年

相关硕士学位论文 前10条

1 郭欣;不完备模糊序信息系统的多粒度粗糙集模型拓展研究[D];电子科技大学;2018年

2 段洁;基于邻域模型的多标记学习[D];天津大学;2017年

3 潘丽平;模糊粗糙集模型及其数据挖掘方法研究[D];中国民航大学;2017年

4 胡羽;异常腺细胞形态学检测方法及应用[D];南昌航空大学;2017年

5 姚邦生;几种粗糙集模型推广的研究[D];电子科技大学;2017年

6 曹耀铸;泛权多粒度粗糙集模型扩展研究[D];兰州大学;2017年

7 李丽;泛系并联粗糙集模型的扩展[D];兰州大学;2017年

8 李策;基于多粒度粗糙集模型的扩展模型研究[D];安徽大学;2016年

9 黄记林;基于不同知识颗粒的粗糙集模型研究[D];济南大学;2015年

10 杨宏健;面向混合数据的邻域多粒度粗糙集模型和算法研究[D];安徽大学;2015年

本文编号：2852721