面向动态数据的三支粒计算知识获取方法研究

发布时间：2021-07-26 12:10

　　在人工智能和大数据时代,如何模仿人类思维、认知和推理方式对海量的、不确定的、复杂的动态数据进行实时高效的数据挖掘和知识获取,已经成为当前智能信息处理和决策领域的热门研究方向之一。粒计算通过知识粒度从粒、粒层和粒结构三个层面对现实问题进行抽象、分解、合成、转换和因果分析,是一种多层次和多视角的多粒度思维理论和方法。作为一种新兴的三元粒计算范式,三支决策采用三分而治、化繁为简的朴素思想为计算机、医学、管理学、认知科学等众多学科提供了一种有效的问题求解策略和方法。本文以粒计算和三支决策为指导思想,以三支贝叶斯决策粗糙集模型为研究对象,以增量更新和矩阵运算为核心技术,从思想、模型和算法三个方面提出了面向动态数据的序贯三支粒计算理论框架和方法,具体研究工作如下:（1）面向动态决策数据,分析了具有决策语义解释的序贯三支决策思想,探讨了基于属性序列的多层次粒结构、基于七种区域组合的多样性模型选择以及基于粒度处理和转换的多元化代价结构,运用增量学习技术设计了序贯三支决策动态更新模型和算法,提出了一种增量序贯三支粒计算理论框架,在提升决策速度的同时降低了决策风险代价,为模拟人类多粒度复杂动态信息分析、处... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：128 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 粒计算研究现状
    1.3 三支决策研究现状
    1.4 动态知识获取方法研究现状
    1.5 本文的研究工作
    1.6 本章小结
第2章 三支决策概述
    2.1 三支决策思想
    2.2 三支决策理论
    2.3 三支决策经典模型
        2.3.1 粗糙集模型
        2.3.2 三支贝叶斯决策粗糙集模型
    2.4 本章小结
第3章 序贯三支粒计算理论
    3.1 引言
    3.2 序贯三支粒计算理论框架
        3.2.1 多层次的粒结构
        3.2.2 多样性的模型选择
        3.2.3 多元化的代价结构
    3.3 序贯三支粒计算增量理论
    3.4 算法设计与分析
    3.5 实验分析
        3.5.1 实验设置
        3.5.2 结果分析
    3.6 本章小结
第4章 面向多维动态数据的序贯三支粒计算模型
    4.1 引言
    4.2 三支决策矩阵计算模型
    4.3 多维序贯三支粒计算矩阵增量更新框架
        4.3.1 矩阵增量更新策略
        4.3.2 关系矩阵更新方法
        4.3.3 交矩阵更新方法
    4.4 算法设计与分析
    4.5 实验分析
        4.5.1 实验设置
        4.5.2 结果分析
    4.6 本章小结
第5章 面向多类动态数据的序贯三支粒计算模型
    5.1 引言
    5.2 多类三支决策模型研究
        5.2.1 多类二支贝叶斯决策模型
        5.2.2 多类三支贝叶斯决策模型
        5.2.3 多类三支决策融合模型
    5.3 多类三支决策矩阵计算方法
    5.4 多类序贯三支粒计算模型
    5.5 算法设计与分析
    5.6 实验分析
        5.6.1 实验设置
        5.6.2 结果分析
    5.7 本章小结
第6章 面向混合动态数据的序贯三支粒计算模型
    6.1 引言
    6.2 三支决策的时空模型
        6.2.1 三支决策的时间动态模型
        6.2.2 三支决策的空间动态模型
        6.2.3 三支决策的时空融合动态模型
    6.3 基于时空融合的复合序贯三支粒计算模型
        6.3.1 多层次复合粒结构
        6.3.2 混合粒度融合方法
    6.4 算法设计与分析
    6.5 实验分析
        6.5.1 实验设置
        6.5.2 结果分析
    6.6 本章小结
第7章 总结与展望
    7.1 本文总结
    7.2 研究展望
致谢
参考文献
攻读博士学位期间科研成果情况


【参考文献】：
期刊论文
[1]三支决策的时空性[J]. 刘盾,李天瑞,梁德翠,杨新.  智能系统学报. 2019(01)
[2]序贯三支决策的代价敏感分类方法[J]. 方宇,闵帆,刘忠慧,杨新.  南京大学学报(自然科学). 2018(01)
[3]建设信息科技强国的路径思考[J]. 李国杰.  中国科学院院刊. 2017(05)
[4]广义三支决策与狭义三支决策[J]. 刘盾,梁德翠.  计算机科学与探索. 2017(03)
[5]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)
[6]对大数据的再认识[J]. 李国杰.  大数据. 2015(01)
[7]序粒度标记结构及其粗糙近似[J]. 吴伟志,高仓健,李同军.  计算机研究与发展. 2014(12)
[8]大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 李国杰,程学旗.  中国科学院院刊. 2012(06)
[9]知识不确定性问题的粒计算模型[J]. 王国胤,张清华,马希骜,杨青山.  软件学报. 2011(04)
[10]区间值信息系统在变精度相容关系下的属性约简[J]. 陈子春,秦克云.  计算机科学. 2009(03)



本文编号：3303539