基于粗糙集的几类广义信息系统知识发现与决策方法研究

发布时间：2022-02-20 02:18

　　随着信息科学技术的不断发展,特别是现代网络技术和计算机存储技术的飞跃式进步,数据的获取变得越来越容易,导致数据规模呈爆炸式增长态势,与此同时数据的结构也变得更加复杂,经典的信息系统已经不足以对大规模的复杂数据进行刻画,为此针对不同类型的数据提出了一系列广义信息系统。如何快速对这些大规模复杂数据进行挖掘,并作出相应的决策分析在理论研究和实际应用中都有突出的意义。粗糙集理论作为一种由数据驱动的智能计算工具,可以在不具备先验知识的情况下对各种类型的数据进行挖掘,特别是在对不确定性数据的知识发现与决策分析过程中有着明显的优势。本文以粗糙集理论为基础,分别就知识发现和决策分析对区间值序信息系统、多粒度信息系统和混合值信息系统进行研究,论文的主要研究成果和创新如下:（1）针对区间值序信息系统中属性集变化时快速更新近似集的问题,分别对删除属性和增加属性两种情况下动态更新近似集的方法进行讨论,得到了属性集变化时动态更新近似集的一般准则,并结合更新机制设计了近似集动态更新算法。然后,基于几个UCI数据集对算法的有效性进行验证分析,实验结果表明动态算法与一般的近似集计算方式相比在计算效率方面有着明显的优势... 

【文章来源】：哈尔滨工业大学黑龙江省211工程院校985工程院校

【文章页数】：120 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外相关研究进展
        1.2.1 基于粗糙集的动态知识发现研究现状
        1.2.2 双量化决策粗糙集方法研究现状
        1.2.3 混合值信息系统中粗糙集方法研究现状
    1.3 本文主要研究思路与内容
    1.4 本章小结
第2章 预备知识
    2.1 信息系统与知识粒化
    2.2 Pawlak粗糙集模型
    2.3 变精度粗糙集与程度粗糙集模型
    2.4 决策粗糙集模型
    2.5 多粒度粗糙集模型
    2.6 本章小结
第3章 时变信息粒区间值序信息系统近似集的动态更新方法
    3.1 区间值序信息系统
    3.2 近似集随属性变化的两个基本定理
    3.3 时变信息粒区间值序信息系统近似集的动态更新
        3.3.1 删除属性时近似集的动态更新方法
        3.3.2 增加属性时近似集的动态更新方法
    3.4 实验分析
        3.4.1 删除属性时动态更新近似集的实验
        3.4.2 增加属性时动态更新近似集的实验
    3.5 本章小结
第4章 多粒度信息系统的双量化决策粗糙集方法
    4.1 双量化粗糙集建模
    4.2 多粒度信息系统的双量化决策粗糙集
        4.2.1 乐观双量化多粒度决策粗糙集
        4.2.2 悲观双量化多粒度决策粗糙集
        4.2.3 平均双量化多粒度决策粗糙集
    4.3 双量化多粒度决策粗糙集与其他粗糙集模型的关系
    4.4 实验分析
    4.5 本章小结
第5章 混合值决策信息系统的决策粗糙集方法
    5.1 混合值决策信息系统
    5.2 基于高斯核函数的决策粗糙集建模
        5.2.1 对象之间的广义距离度量
        5.2.2 基于高斯核的粒化机制
        5.2.3 混合值决策信息系统中的决策粗糙集
    5.3 混合值决策信息系统的属性约简方法
        5.3.1 基于相对正域的属性约简方法
        5.3.2 基于最小代价的属性约简方法
    5.4 实验分析
    5.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历



本文编号：3634107