基于决策粗糙集的代价敏感多类分类模型与多目标决策

发布时间：2017-04-08 01:18

  本文关键词：基于决策粗糙集的代价敏感多类分类模型与多目标决策，，由笔耕文化传播整理发布。

【摘要】：粗糙集理论是波兰学者Z.Pawlak于1982年提出的一种能够有效处理不精确和不确定信息的数学工具。该理论把知识看作是不可分辨关系,并引入上、下近似的概念来刻画知识的不确定程度。经典粗糙集中上、下近似集由等价类与概念类的代数包含关系定义,在此基础上进一步定义了正域、负域和边界域的概念,但是缺乏对这些概念的语义解释。决策粗糙集模型是经典粗糙集模型的概率推广,将经典粗糙集模型中的代数包含关系拓展为可调的概率包含关系。三支决策(Three-way Decision)是决策粗糙集在方法论层次上的进一步提升,基于符合人类认知的决策模式,给出了粗糙集正域、负域和边界域的三支决策语义解释。它认为：人们在实际决策过程中,对于具有充分把握接受或拒绝的事物能够立即做出快速的判断；对于那些不能立即做出决策的事物,人们往往会推迟对事件的判断,即：延迟决策。因此,三支决策模型将边界域看作是一种延迟决策,从而减少了错误拒绝或错误接受造成的损失,符合人们在决策过程中的思维习惯,具有很大的优越性。目前,三支决策理论已成功应用在多个领域中,如医疗系统、风险投资、教学评价等领域。但是现有的三支决策存在以下两个问题：1)大多数的研究与应用都是假设两类分类问题存在,然而在真实决策中这种假设并不合理。因此必须考虑多类分类问题。如医生诊断病人时并不仅仅是判断病人是否患有感冒,而是希望能够判断病人是患感冒,还是患肺炎,或其他疾病。2)大多数研究只是针对一个决策目标,即单目标决策,然而在实际应用中存在很多多目标决策的问题。为此本文基于决策粗糙集,改善了多类分类模型与多目标决策,主要研究内容如下：(1)基于决策粗糙集模型,借鉴三支决策的思想,通过增加延迟决策类,将m个多类分类问题变为m+1个多类分类问题,提出一种新的基于决策粗糙集的代价敏感的多类分类模型。该模型根据最小风险贝叶斯决策准则,既考虑了不同决策类的误分类代价是不同的,即具有代价敏感性,又使得最终的决策结果不存在冲突,并用实例与实验验证了该模型的有效性。在该模型的基础上,给出了分布式约简算法。(2)基于单目标三支决策,借鉴多粒度粗糙集模型中乐观与悲观的概念,定义了双目标条件下的乐观与悲观决策。最终通过加权代价函数,并运用贝叶斯风险决策提出了基于三支决策的多目标风险决策模型,并给出相应的决策规则。同时在多目标决策的基础上讨论了双目标决策的决策域的划分,给出了双目标决策域的计算方法。最后,用实例验证了该模型的有效性。
【关键词】：粗糙集 三支决策 多类分类 贝叶斯 约简
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究目的和意义9-10
• 1.2 国内外研究现状10-12
• 1.3 论文主要内容和组织结构12-14
• 第二章 决策粗糙集与三支决策基本理论14-21
• 2.1 决策理论粗糙集基本概念14-17
• 2.2 三支决策理论17-20
• 2.2.1 最小风险的贝叶斯决策17-18
• 2.2.2 三支决策18-20
• 2.3 本章小结20-21
• 第三章 决策粗糙集下的多类分类模型21-31
• 3.1 模型介绍21-24
• 3.2 类的重叠类型24-27
• 3.3 决策粗糙集下的多类属性分布式约简27-30
• 3.4 本章小结30-31
• 第四章 基于决策粗糙集的代价敏感的多类分类模型31-55
• 4.1 模型介绍32-36
• 4.2 实例分析36-41
• 4.3 代价敏感多类分类模型的类与类的关系41-49
• 4.4 代价敏感多类分类模型的分布式约简算法49-53
• 4.5 本章小结53-55
• 第五章 基于三支决策的多目标决策55-66
• 5.1 模型介绍56-59
• 5.2 实例分析59-64
• 5.3 本章小结64-66
• 第六章 总结与展望66-68
• 参考文献68-72
• 附录A 图索引72-73
• 附录B 表索引73-74
• Appendix A Figure index74-75
• Appendix B Table index75-76
• 致谢76-77
• 攻读硕士学位期间发表的学术论文77-78
• 攻读硕士学位期间参加的科研项目78

【相似文献】

中国期刊全文数据库 前10条

1 李宏;李翔;吴敏;陈松乔;易丽君;;基于闭合模式的高维基因表达谱多类分类[J];中南大学学报(自然科学版);2008年05期

2 朱帮助;林健;;基于支持向量数据描述的无标签数据多类分类[J];智能系统学报;2009年02期

3 刘磊;;多类分类支持向量机方法研究[J];福建电脑;2010年08期

4 李永新;薛贞霞;;最大间隔椭球形多类分类算法[J];计算机工程;2010年07期

5 吴杉;于亚征;;基于正态层次支持向量机的多类分类研究[J];焦作大学学报;2008年01期

6 孔波;郑喜英;;支持向量机多类分类方法研究[J];河南教育学院学报(自然科学版);2010年02期

7 汪洋;陈友利;刘军;莫智文;王甲锋;;基于相似方向的二叉树支持向量机多类分类算法[J];四川师范大学学报(自然科学版);2008年06期

8 刘志刚,李德仁,秦前清,史文中;支持向量机在多类分类问题中的推广[J];计算机工程与应用;2004年07期

9 刘刚;;基于支持向量机的机械故障多类分类研究[J];机械管理开发;2009年04期

10 周进登;王晓丹;;基于最小k近邻错分率编码确定方法及其在多类分类中的应用[J];控制与决策;2011年09期

中国重要会议论文全文数据库 前3条

1 闫晓飞;陈良臣;孙功星;;支持向量机多类分类算法的研究[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

2 唐晋韬;王挺;;基于本体概念结构的SVM多类分类方法及其在本体自动扩充中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年

3 刁智华;母媛媛;;一种基于马氏距离的SVM决策树多类分类算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年

中国硕士学位论文全文数据库 前10条

1 梁勃;光滑技术在多类分类问题中的应用[D];西安邮电大学;2015年

2 张大银;基于类间差异性的多类多核学习研究[D];东南大学;2015年

3 魏贵莹;基于决策粗糙集的代价敏感多类分类模型与多目标决策[D];安徽大学;2016年

4 罗迪君;基于核方法的纠错输出编码多类分类算法改进[D];浙江大学;2006年

5 李红艳;多类分类问题的快速算法[D];华中科技大学;2013年

6 郭世杰;基于支持向量机的多类分类问题的研究[D];上海师范大学;2005年

7 陈琳琳;基于遗传参数优化的模糊支持向量多类分类机及应用[D];重庆师范大学;2009年

8 张萌;总体错误率与孪生极端学习机[D];河北大学;2013年

9 孙奉永;基于决策树的支持向量机多类分类方法研究[D];东北师范大学;2015年

10 牛砚波;多类分类支持向量机在嵌入式语音识别系统中的研究[D];太原理工大学;2012年

  本文关键词：基于决策粗糙集的代价敏感多类分类模型与多目标决策，由笔耕文化传播整理发布。

本文编号：291765