浅议粗糙粗糙数据模型与算法站
最后更新时间:2024-01-25
作者:用户投稿本站原创
点赞:11188
浏览:46272
论文导读:关键词:数据挖掘论文粗糙集论文信息粒化论文粗糙近似论文粗糙性论文模糊性论文随机性论文特点选择论文属性约简论文决策性能评价论文本论文由www.7ctime.com,需要论文可以联系人员哦。中文摘要8-10ABSTRACT10-13第一章绪论13-231.1粗糙
摘要:随着信息技术的迅猛进展,数据种类日趋复杂,规模不断增加,形成了大量类型复杂、形式异构的高维海量数据。在诸如社会经济、政治、环境和健康等与人类生产、生活息息相关的领域,数据已成为知识的主要载体。如何挖掘隐藏在海量复杂数据中的重要的信息和知识,已成为人工智能探讨领域面对的主要困难之一。数据挖掘正是在人类这种以数据中获取有用知识的迫切需求下产生的,它是一个多学科交叉的探讨领域,其主要任务有分类预测、聚类浅析、关联浅析等。粗糙集论述是数据挖掘领域中的重要策略,其最显著的优点是仅利用数据本身提供的信息,就可以实现分类预测与关联浅析等挖掘任务。该论述已经被成功运用在许多科学与工程领域,是当前人工智能论述及其运用领域中的探讨热点之一。本论文针对粗糙数据浅析的关键不足,以邻域粗糙集模型、模糊粗糙集模型、粗糙集论述中的不确定性度量、基于粗糙集的特点选择算法及其评价等方面开展深入系统的探讨,获得的主要探讨成果和革新概括如下:(1)深入浅析了基于邻域联系的信息粒化策略和基于模糊联系的信息粒化策略,建立了邻域信息粒与模糊信息粒的联系;揭示了邻域粗糙集模型、Hu模糊粗糙集模型、Wang模糊粗糙集模型、Dubois模糊粗糙集模型和Radzikowska模糊粗糙集模型之间的联系,为粗糙数据浅析中的模型选择提供了论述依据,有助于建立面向数值型数据的统一粗糙集模型。(2)建立了粗糙性度量的公理化定义,给出了随机熵、模糊熵随论域划分的变化机制,揭示了粗糙集论述框架下随机性、模糊性与粗糙性之间内在联系,给出了判别模糊熵能否度量粗糙性的判别策略,提出了基于随机熵和模糊熵的粗糙性度量,为粗糙性的度量提供了约束性论述与可行性策略。(3)构造了Shannon熵和互补熵作用下的区分矩阵,给出了相应的完备属性约简策略,揭示了不同作用下属性约简的相互联系,提出了基于模糊熵的决策表粗糙性度量,设计了保持粗糙度不变的属性约简算法。定义了模糊近似空间中的互补熵,证明了其随模糊划分变化的单调性,给出了基于模糊互补熵的属性约简算法,并将其运用于混合数据的属性约简。(4)给出了整体确信度、整体协调度和整体支持度三个决策性能指标随论域划分的变化机制,浅析了正域约简、Shannon熵约简和互补熵约简对决策表决策性能的影响,为针对实际运用选择约简算法提供了论述依据。通过以上系统探讨,本论文在粗糙数据浅析的模型与算法方面取得了系统的探讨结果,建立了邻域粗糙集模型与模糊粗糙集模型之间的联系,揭示了粗糙性产生的理由,给出了基于随机熵和模糊熵的粗糙性度量,提出了新的属性约简算法及其评价策略。这些成果丰富和进展了粗糙数据浅析论述与策略,为复杂数据处理提供了技术支持。关键词:数据挖掘论文粗糙集论文信息粒化论文粗糙近似论文粗糙性论文模糊性论文随机性论文特点选择论文属性约简论文决策性能评价论文
本论文由www.7ctime.com,需要论文可以联系人员哦。中文摘要8-10
ABSTRACT10-13
第一章 绪论13-23
5.
第六章 属性约简算法的性能评价105-123
参考文献125-137
攻读博士学位期间探讨成果137-139
攻读博士学位期间主持(参与)的科研项目139-141
致谢141-143
个人简况及143-147
摘要:随着信息技术的迅猛进展,数据种类日趋复杂,规模不断增加,形成了大量类型复杂、形式异构的高维海量数据。在诸如社会经济、政治、环境和健康等与人类生产、生活息息相关的领域,数据已成为知识的主要载体。如何挖掘隐藏在海量复杂数据中的重要的信息和知识,已成为人工智能探讨领域面对的主要困难之一。数据挖掘正是在人类这种以数据中获取有用知识的迫切需求下产生的,它是一个多学科交叉的探讨领域,其主要任务有分类预测、聚类浅析、关联浅析等。粗糙集论述是数据挖掘领域中的重要策略,其最显著的优点是仅利用数据本身提供的信息,就可以实现分类预测与关联浅析等挖掘任务。该论述已经被成功运用在许多科学与工程领域,是当前人工智能论述及其运用领域中的探讨热点之一。本论文针对粗糙数据浅析的关键不足,以邻域粗糙集模型、模糊粗糙集模型、粗糙集论述中的不确定性度量、基于粗糙集的特点选择算法及其评价等方面开展深入系统的探讨,获得的主要探讨成果和革新概括如下:(1)深入浅析了基于邻域联系的信息粒化策略和基于模糊联系的信息粒化策略,建立了邻域信息粒与模糊信息粒的联系;揭示了邻域粗糙集模型、Hu模糊粗糙集模型、Wang模糊粗糙集模型、Dubois模糊粗糙集模型和Radzikowska模糊粗糙集模型之间的联系,为粗糙数据浅析中的模型选择提供了论述依据,有助于建立面向数值型数据的统一粗糙集模型。(2)建立了粗糙性度量的公理化定义,给出了随机熵、模糊熵随论域划分的变化机制,揭示了粗糙集论述框架下随机性、模糊性与粗糙性之间内在联系,给出了判别模糊熵能否度量粗糙性的判别策略,提出了基于随机熵和模糊熵的粗糙性度量,为粗糙性的度量提供了约束性论述与可行性策略。(3)构造了Shannon熵和互补熵作用下的区分矩阵,给出了相应的完备属性约简策略,揭示了不同作用下属性约简的相互联系,提出了基于模糊熵的决策表粗糙性度量,设计了保持粗糙度不变的属性约简算法。定义了模糊近似空间中的互补熵,证明了其随模糊划分变化的单调性,给出了基于模糊互补熵的属性约简算法,并将其运用于混合数据的属性约简。(4)给出了整体确信度、整体协调度和整体支持度三个决策性能指标随论域划分的变化机制,浅析了正域约简、Shannon熵约简和互补熵约简对决策表决策性能的影响,为针对实际运用选择约简算法提供了论述依据。通过以上系统探讨,本论文在粗糙数据浅析的模型与算法方面取得了系统的探讨结果,建立了邻域粗糙集模型与模糊粗糙集模型之间的联系,揭示了粗糙性产生的理由,给出了基于随机熵和模糊熵的粗糙性度量,提出了新的属性约简算法及其评价策略。这些成果丰富和进展了粗糙数据浅析论述与策略,为复杂数据处理提供了技术支持。关键词:数据挖掘论文粗糙集论文信息粒化论文粗糙近似论文粗糙性论文模糊性论文随机性论文特点选择论文属性约简论文决策性能评价论文
本论文由www.7ctime.com,需要论文可以联系人员哦。中文摘要8-10
ABSTRACT10-13
第一章 绪论13-23
1.1 粗糙数据浅析的探讨作用13
1.2 文献回顾与评述13-18
1.2.1 粗糙集模型13-15
1.2.2 不确定性度量15-17
1.2.3 基于粗糙集的特点选择17-18
1.3 粗糙集的基本概念18-19
1.4 本论文的探讨思路19-20
1.5 本论文的探讨内容和组织结构20-23
第二章 邻域粗糙集模型与模糊粗糙集模型23-472.1 不足描述23
2.2 邻域信息粒与模糊信息粒23-29
2.1 模糊集与模糊算子23-24
2.2 邻域信息粒化与模糊信息粒化24-27
2.3 邻域信息粒与模糊信息粒的联系27-29
2.3 邻域粗糙近似与模糊粗糙近似29-43
2.3.1 邻域粗糙近似29-31
2.3.2 模糊粗糙近似31-33
2.3.3 精确粗糙近似之间的联系33-39
2.3.4 精确粗糙近似与模糊粗糙近似的联系39-43
2.4 实例浅析43-46
2.5 本章小结46-47
第三章 基于随机熵和模糊熵的粗糙性度量47-773.1 不足描述47
3.2 粗糙性度量的公理化定义47-50
3.3 基于随机熵的粗糙性度量50-55
3.1 随机熵51-52
3.2 基于随机熵的粗糙性度量52-55
3.4 基于模糊熵的粗糙性度量55-71
3.4.1 模糊熵55-59
3.4.2 模糊熵随划分的变化机制59-66
3.4.3 基于模糊熵的粗糙性度量66-71
3.5 实验浅析71-76
3.6 本章小结76-77
第四章 基于区分矩阵的属性约简77-914.1 不足描述77
4.2 信息熵作用下的区分矩阵77-80
4.3 基于区分矩阵的论文导读:
完备约简80-874.4 实验浅析87-90
4.5 本章小结90-91
第五章 基于不确定性度量的属性约简91-1055.1 不足描述91
5.2 基于粗糙度的属性约简91-94
5.2.1 目标决策的粗糙度91-93
5.2.2 算法描述及实验浅析93-94
5.3 基于模糊互补熵的属性约简94-1045.
3.1 模糊互补熵94-99
5.3.2 算法描述与实验浅析99-104
5.4 本章小结104-105第六章 属性约简算法的性能评价105-123
6.1 不足描述105
6.2 决策表决策性能的变化机制105-110
6.3 属性约简算法的性能评价110-116
6.4 实验浅析116-118
6.5 本章小结118-123
结论及展望123-125参考文献125-137
攻读博士学位期间探讨成果137-139
攻读博士学位期间主持(参与)的科研项目139-141
致谢141-143
个人简况及143-147