基于决策粗糙集模型的多目标属性约简研究

发布时间：2021-04-24 20:27

　　随着互联网的发展,大数据时代应运而生,而由互联网产生的海量信息中往往包含着大量不确定或不完整的信息。针对这一类不确定或不精确数据,粗糙集模型提供了很好的解决方案。而决策粗糙集模型作为传统粗糙集模型的扩展,在结合Bayes决策理论的情况下,给出了有容错能力和可解释性的粗糙集模型。属性约简作为粗糙集和决策粗糙集的研究重点,能够从海量信息中快速有效的删除冗余属性,降低数据维度,提高决策粗糙集处理不确定信息的效率。然而,现有决策粗糙集下的属性约简问题都是单目标属性约简问题,而不同的属性约简准则所获得的属性约简结果是不同的,这会在一定情况下给用户造成选择困难,还有可能获得有偏差的结果。针对这一问题,本文将多个属性约简准则相结合,提出了一种多目标优化属性约简模型,并以此模型提出了两种多目标属性约简算法,主要内容如下:第一,多目标优化属性约简模型的提出以及相应算法的设计。多目标优化问题常常被用来处理具有多个冲突或竞争目标的问题,从而得到多个目标之间的均衡结果。本文从多目标优化问题出发,结合基于正域的属性约简准则、基于决策代价的属性约简准则和基于互信息的属性约简准则,提出了多目标优化属性约简模型。同时... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与研究意义
    1.2 研究现状
        1.2.1 决策粗糙集研究现状
        1.2.2 属性约简研究现状
    1.3 研究内容
    1.4 组织结构
2 理论知识及相关技术
    2.1 Pawlak经典粗糙集模型相关理论
    2.2 决策粗糙集模型相关理论
        2.2.1 贝叶斯决策过程
        2.2.2 决策粗糙集模型
    2.3 属性约简相关理论
        2.3.1 基于正域的属性约简
        2.3.2 基于决策代价的属性约简
        2.3.3 基于互信息的属性约简
    2.4 本章小结
3 多目标优化属性约简
    3.1 引言
    3.2 多目标优化属性约简模型
        3.2.1 多目标优化问题描述
        3.2.2 多目标优化属性约简模型
    3.3 多目标优化属性约简算法
        3.3.1 算法描述
        3.3.2 算法解释与分析
    3.4 实验与分析
        3.4.1 实验数据
        3.4.2 实验设计
        3.4.3 实验结果与分析
    3.5 本章小结
4 集成学习属性约简
    4.1 引言
    4.2 集成学习思想
        4.2.1 集成学习思想描述
        4.2.2 集成学习基本方法
    4.3 集成学习属性约简算法
        4.3.1 算法描述
        4.3.2 算法解释与分析
    4.4 实验与分析
        4.4.1 实验结果与分析
    4.5 本章小结
5 基于多目标属性约简的文本分类应用与系统实现
    5.1 引言
    5.2 文本分类相关理论
        5.2.1 文本分类的流程
        5.2.2 文本预处理
        5.2.3 特征选择
        5.2.4 特征加权
        5.2.5 文本表示模型
    5.3 实验与分析
        5.3.1 实验文本数据
        5.3.2 实验设计
        5.3.3 实验结果与分析
    5.4 基于多目标属性约简的文本分类系统实现
        5.4.1 文本分类系统流程图
        5.4.2 文本分类系统界面
    5.5 本章小结
6 总结与展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]决策粗糙集理论研究现状与展望[J]. 于洪,王国胤,姚一豫.  计算机学报. 2015(08)
[2]基于模糊化的决策粗糙集属性约简和分类[J]. 郭敏,贾修一,商琳.  模式识别与人工智能. 2014(08)
[3]决策粗糙集与代价敏感分类[J]. 李华雄,周献中,黄兵,赵佳宝.  计算机科学与探索. 2013(02)
[4]一种自适应求三枝决策中决策阈值的算法[J]. 贾修一,李伟湋,商琳,陈家骏.  电子学报. 2011(11)
[5]一种基于一致性准则的属性约简算法[J]. 杨明.  计算机学报. 2010(02)
[6]决策表中基于条件信息熵的近似约简[J]. 杨明.  电子学报. 2007(11)
[7]一个基于决策粗糙集理论的信息过滤模型[J]. 赵文清,朱永利,高伟华.  计算机工程与应用. 2007(07)
[8]两种新的决策表属性约简概念[J]. 蒋思宇,卢炎生.  小型微型计算机系统. 2006(03)
[9]不确定性人工智能[J]. 李德毅,刘常昱,杜鹢,韩旭.  软件学报. 2004(11)
[10]基于条件信息熵的决策表约简[J]. 王国胤,于洪,杨大春.  计算机学报. 2002(07)



本文编号：3158023