全粒度粗糙集不确定性度量及属性约简的研究

发布时间：2021-11-23 17:50

　　大数据时代的到来,数据量急剧增长,各行各业都面临着海量数据信息,越来越多的公司正“淹没”在海量数据中,如何从中挖掘有效信息已成为研究热点。粗糙集理论能够有效地处理复杂系统中的数据信息,已成为处理不精确、不确定性问题的数学工具。其最大优势在于不需要任何先验知识就可以对数据进行处理,寻找最优信息,既保持了知识分类能力不变,又能对数据进行冗余处理（属性约简）,最终获取有效信息。全粒度粗糙集作为一种新型粗糙集模型,既继承了传统粗糙集的静态性,又具有一定的动态性,且具有一定的量子计算思想,能够模拟人类认知的复杂性和多样性。相比其他传统粗糙集模型,全粒度粗糙集具有一定的动态性,可以从一个粒度跳转到另一粒度,跳转自然,毫无困难;相比多粒度粗糙集,全粒度粗糙集是多粒度粗糙集的超集,其研究比多粒度粗糙集更全面。不确定性处理及属性约简是粗糙集理论两大核心内容,而全粒度粗糙集由于其动态变化性,对于不确定性问题的处理更加灵活多样,全粒度属性约简研究也随之丰富。随着全粒度粗糙集理论的逐渐发展,其不确定性研究及属性约简问题已成为当前主要工作。对此,本文对全粒度粗糙集不确定性度量及属性约简进行系统研究,主要工作如下... 

【文章来源】：浙江师范大学浙江省

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

集合X的上、下近似和边界域及负域定义2.2[1-3]

全粒度下近似EAPR(IS,A,X)

图 2.3 全粒度上近似 EAPR( IS,A,X)了粗糙集理论的基础知识，例如粗糙集理以及隶属度、属性依赖度、粗糙度等不确定了一个深入的了解，主要介绍了全粒度粗糙性约简以便为后文内容做铺垫。

【参考文献】：
期刊论文
[1]全粒度粗糙集属性约简[J]. 邓大勇.  模式识别与人工智能. 2018(03)
[2]多粒度粗糙集模型[J]. 黄卫华.  西南师范大学学报(自然科学版). 2017(05)
[3]属性约简准则与约简信息损失的研究[J]. 邓大勇,薛欢欢,苗夺谦,卢克文.  电子学报. 2017(02)
[4]知识系统中全粒度粗糙集及概念漂移的研究[J]. 邓大勇,卢克文,苗夺谦,黄厚宽.  计算机学报. 2019(01)
[5]信息表中概念漂移与不确定性分析[J]. 邓大勇,苗夺谦,黄厚宽.  计算机研究与发展. 2016(11)
[6]多粒度粗糙集的双层绝对约简[J]. 邓大勇,黄厚宽.  模式识别与人工智能. 2016(11)
[7]复合覆盖粗糙集模型及其应用[J]. 赵静,蒋芸.  计算机工程与应用. 2017(12)
[8]基于并行约简的概念漂移探测[J]. 邓大勇,徐小玉,黄厚宽.  计算机研究与发展. 2015(05)
[9]一般多粒度模糊粗糙集模型[J]. 孙文鑫,刘玉锋.  重庆师范大学学报(自然科学版). 2015(04)
[10]F-粗糙集方法对概念漂移的度量[J]. 邓大勇,裴明华,黄厚宽.  浙江师范大学学报(自然科学版). 2013(03)



本文编号：3514378