基于案例推理的多属性分类拓展研究及应用
本文关键词:基于案例推理的多属性分类拓展研究及应用,由笔耕文化传播整理发布。
【摘要】:作为多属性决策理论的一个新的研究方向,多属性分类的研究已在国际上得到许多学者的重视。从分类算法角度来看,相较于直接分类法要求决策者提供具体的分类参数信息,基于案例推理的分类方法仅需要决策者提供具有典型代表性的决策案例,通过对案例进行训练学习,便能获取决策者偏好和分类参数信息。基于案例推理的决策易于理解、贴近人类的日常决策过程,具有较广泛的适用性。如何从已有的案例分类信息中反向推理出分类参数,是此类问题的研究关键。从分类结果形态来看,多属性分类分为有偏好分类和名义分类,两种分类形态均具有广泛的研究和应用价值。本文分别应用了粗糙集和案例距离的方法对基于案例推理的多属性分类问题进行拓展研究。论文主要研究内容如下:(1)对于有偏好分类问题,制定了一种基于k-means方法的典型案例选取策略,提出了一种基于优势粗糙集的案例推理分类方法,并分别构建了二维和三维分类模型用于解决企业绩效分类和研究生学习能力分类两个问题。(2)对于名义分类问题,拓展研究了基于案例推理的分类方法,构建一种基于案例距离推理的名义分类模型。通过计算典型案例集与分组中心点的距离,构建属性权重和分类阈值的优化求解模型,然后进行案例学习推理的形式获得分类参数,简化决策中各类偏好信息的复杂比较过程。已有模型是用以解决有偏好分类问题,本文将该模型进行拓展用以解决名义分类问题,并将其应用于工业生产成组分类的具体案例中。(3)基于本文构建的分类模型,设计了一种基于案例推理的分类决策支持系统,并用第四章的案例进行演算示例。
【关键词】:多属性分类 案例推理 粗糙集 名义分类 决策支持系统
【学位授予单位】:南京航空航天大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP18;O225
【目录】:
- 摘要4-5
- ABSTRACT5-11
- 第一章 绪论11-19
- 1.1 引言11-13
- 1.1.1 研究背景11-12
- 1.1.2 研究目的及意义12-13
- 1.2 国内外研究现状13-16
- 1.2.1 多属性决策13-15
- 1.2.2 多属性分类15-16
- 1.3 论文研究内容与结构16-18
- 1.3.1 主要研究内容16-17
- 1.3.2 技术路线17
- 1.3.3 章节安排17-18
- 1.4 本章小结18-19
- 第二章 多属性分类决策研究的理论基础19-24
- 2.1 多属性分类决策模型框架19-20
- 2.1.1 相关参数定义19
- 2.1.2 两种多属性分类问题描述19-20
- 2.2 案例推理技术20-22
- 2.2.1 案例推理技术简介20
- 2.2.2 案例推理的基本流程20-21
- 2.2.3 案例推理在多属性决策中的应用21-22
- 2.3 决策支持系统22-23
- 2.3.1 决策支持系统理论概述22-23
- 2.3.2 决策支持系统的结构23
- 2.4 本章小结23-24
- 第三章 基于案例推理的多维度有偏好分类24-40
- 3.1 优势粗糙集方法24-25
- 3.1.1 优势粗糙集的基本结构24-25
- 3.1.2 基于优势关系的粗糙近似25
- 3.2 基于优势粗糙集的分类流程25-28
- 3.2.1 基于k-means方法的案例集选取策略25-27
- 3.2.2 分类决策规则的导出27
- 3.2.3 分类流程27-28
- 3.3 二维分类模型在中小企业绩效评价中应用28-35
- 3.3.1 问题背景28-29
- 3.3.2 指标体系构建29-31
- 3.3.3 二维评价分类模型31
- 3.3.4 实证分析31-34
- 3.3.5 分类质量与案例集数量关系的拓展研究34-35
- 3.4 三维分类模型在研究生学习能力评价中应用35-39
- 3.4.1 问题背景35-36
- 3.4.2 学习能力定义36
- 3.4.3 实证分析36-39
- 3.5 本章小结39-40
- 第四章 基于案例距离推理的多属性名义分类40-49
- 4.1 分类模型构建40-42
- 4.1.1 分组中心和距离设定40
- 4.1.2 分组阈值和约束条件设定40-41
- 4.1.3 分类参数优化求解模型41-42
- 4.2 分类决策流程42-43
- 4.3 工业生产成组分类应用研究43-47
- 4.3.1 成组技术概述43-44
- 4.3.2 问题描述44
- 4.3.3 基于案例距离推理的成组分类44-47
- 4.3.4 与粗糙集分类结果对比47
- 4.4 本章小结47-49
- 第五章 基于案例推理的分类决策支持系统49-58
- 5.1 系统需求分析49
- 5.1.1 系统开发动因49
- 5.1.2 系统设计目标49
- 5.2 系统设计49-51
- 5.2.1 系统总体结构49-51
- 5.2.2 系统流程图51
- 5.3 系统操作示例51-57
- 5.4 本章小结57-58
- 第六章 总结与展望58-60
- 6.1 本文的主要研究结论58
- 6.2 进一步研究方向58-60
- 参考文献60-65
- 致谢65-66
- 在学期间的研究成果及发表的学术论文66
【相似文献】
中国期刊全文数据库 前10条
1 龚锦红;;案例推理技术的研究与应用[J];科技广场;2007年03期
2 李建洋;陈雪云;刘慧婷;谢秀珍;;基于案例推理中案例表示的研究[J];合肥学院学报(自然科学版);2007年03期
3 杨先奇;李建洋;兰添才;刘慧婷;;案例推理技术及其在决策科学中的应用研究[J];东华理工大学学报(自然科学版);2008年02期
4 苗海珍;;案例推理研究综述[J];曲阜师范大学学报(自然科学版);2014年03期
5 曾文,黄玉基;基于案例推理技术在刑法定罪量刑系统中的应用研究[J];广西师范大学学报(自然科学版);2003年01期
6 李茹,任海涛,刘开瑛;基于案例推理中特征权重自动学习方法研究[J];山西大学学报(自然科学版);2004年03期
7 刘影;王耀华;;基于案例推理技术开发工程爆破设计系统[J];解放军理工大学学报(自然科学版);2007年02期
8 朱付保,关佶红,牛晓太;一种基于Agent推理的自动谈判方法研究[J];复旦学报(自然科学版);2004年05期
9 文刚;乌云;王儒敬;;应用于洪涝灾害案例推理中的层次熵分析法[J];计算机系统应用;2012年04期
10 钱峻屏;黎夏;艾彬;叶嘉安;陈晓越;刘凯;卓丽;;时间序列案例推理检测土地利用短期快速变化[J];自然资源学报;2007年05期
中国重要会议论文全文数据库 前10条
1 王永军;王玉弘;董平;;基于案例推理的消防救助决策研究[A];全国第九届企业信息化与工业工程学术会议论文集[C];2005年
2 鲍伟;刘华;曹素平;;基于案例推理的军队抢险救灾行动指挥决策支持研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年
3 李海林;柳炳祥;;一种基于模糊集的案例推理方法[A];2007中国控制与决策学术年会论文集[C];2007年
4 陈艳;张鹏;邹蓬;;基于案例推理和故障树分析法融合的飞机故障诊断[A];天津市自动化学会第十四届学术年会论文集[C];2005年
5 石志刚;施强;盛刚;;基于案例推理的高速公路紧急救援决策研究[A];第二十九届中国控制会议论文集[C];2010年
6 石志刚;杨秀军;;基于案例推理的高速公路信息发布决策研究[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 周明;;基于仿真和案例推理技术的智能决策支持系统研究[A];第二十三届中国控制会议论文集(下册)[C];2004年
8 龚锦红;杨辉;衷路生;;稀土萃取分离过程的Rough集案例推理方法[A];第二十九届中国控制会议论文集[C];2010年
9 张志远;谭跃进;;基于案例推理技术在隐性知识获取中的应用[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
10 李公法;孔建益;蒋国璋;;基于案例推理的智能预报模型及其在焦炉立火道温度控制中的应用研究[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库 前5条
1 赵辉;案例推理的动态学习模型及其在TE过程中的应用[D];北京工业大学;2015年
2 张素琪;案例推理关键技术研究及其在电信告警和故障诊断中的应用[D];天津大学;2014年
3 张贤坤;基于案例推理的应急决策方法研究[D];天津大学;2012年
4 李锋刚;基于优化案例推理的智能决策技术研究[D];合肥工业大学;2007年
5 张春晓;案例推理的认知改进策略及学习性能研究[D];北京工业大学;2014年
中国硕士学位论文全文数据库 前10条
1 马欣;基于案例推理的网络购物中欺诈行为的识别研究[D];电子科技大学;2015年
2 王会芳;基于集对分析的本体案例推理模型及应用[D];华北理工大学;2015年
3 刘虎;基于案例推理和成本控制的采购决策[D];上海交通大学;2014年
4 陈礼蓉;基于FCA的案例推理系统技术研究[D];北京理工大学;2015年
5 李婧;煤矿安全事件本体中案例推理的研究与应用[D];北京工业大学;2015年
6 孟洁;基于案例推理的建筑方案设计流程研究[D];哈尔滨工业大学;2015年
7 张亮;基于案例推理的电厂项目管理系统设计与实现[D];吉林大学;2015年
8 陈智睿;基于案例推理的工业生产过程优化方法的研究[D];东北大学;2014年
9 胡p,
本文编号:281421
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/281421.html