含序及不完备信息的粗糙集方法研究

论文摘要

本文介绍了粗糙集基本原理,给出了含序粗糙集的解决方法以及不完备信息系统下的粗糙集扩展关系。围绕粗糙集理论的研究,本文主要完成了以下四个方面的工作:介绍经典粗糙集理论;含序粗糙集问题研究及GRs算法和IGRs算法的实现;AllRules算法,GRs算法及IGRs算法的测试,验证和比较;面向不完备数据的粗糙集方法研究,RQCR算法的设计与实现及可变门阈值的限制量化相容关系模型的提出。粗糙集理论建立在分类机制的基础之上,将分类理解为在特定训练数据内的等价关系。在含序命题研究中,标准的引入导致不一致问题的产生。GR算法和IGRs算法是两种含序粗集方法,二者各有优缺点。GRs算法能生成满足完备性和极小性的规则集,规则集的精确性好;IGRs算法运用了启发式思想,时间效率很高,但无法保证精确性。通过实验将GRs算法, IGRs算法与已有的AllRules算法进行性能比较;详细考察了GRs和IGRs算法的精确性;验证了改进IGRs算法的优越性。简要介绍了不完备信息系统的几种扩展关系模型,详细阐述将量化相容关系和限制相容关系结合起来的限制量化相容关系模型,它同时具备了二者的优越性,是更加有效的一种扩展关系模型。根据限制量化相容关系,本文设计并实现了RQCR算法,并提出可变门阈值的限制量化相容关系模型对其进行改进。

论文目录

• 提要
• 第一章 绪论
• 1.1 数据挖掘技术的产生背景
• 1.1.1 数据挖掘技术的商业需求分析
• 1.1.2 数据挖掘产生的技术背景分析
• 1.2 数据挖掘概念
• 1.3 数据挖掘的功能
• 1.3.1 概念/类描述：特征化和比较
• 1.3.2 关联分析
• 1.3.3 分类和预测
• 1.3.4 聚类分析
• 1.3.5 孤立点分析
• 1.3.6 演变分析
• 1.4 数据挖掘的方法
• 第二章 粗糙集理论概述
• 2.1 粗糙集的产生和发展
• 2.2 粗糙集的基本原理
• 2.3 粗糙集理论的一些基本概念
• 2.3.1 等价关系与不可识别关系
• 2.3.2 知识的含义
• 2.3.3 粗糙集的定义
• 2.3.4 信息系统与决策表
• 2.3.5 约简与核
• 2.4 一个例子
• 第三章 含序命题研究
• 3.1 标准的引入和不一致问题的产生
• 3.2 含序粗集方法中相关定义和符号
• 3.3 GRs 算法
• 3.3.1 算法描述
• 3.3.2 算法解释与分析
• 3.3.3 GRs 和AllRules 算法的比较
• 3.4 IGRs 算法
• 3.4.1 算法描述
• 3.4.2 算法解释与分析
• 3.4.3 算法改进
• 第四章 算法的测试、验证与比较
• 4.1 实验数据
• 4.2 AllRules、GRs 和IGRs 算法的比较
• 4.3 GRs 和IGRs 算法的测试与验证
• 4.4 改进IGRs 算法的测试
• 4.4.1 相关度实验
• 4.4.2 冲突消解实验
• 第五章 不完备信息系统下的粗糙集方法
• 5.1 问题的提出
• 5.2 几种已有的扩展关系模型
• 5.2.1 相容关系
• 5.2.2 非对称相似关系
• 5.2.3 量化相容关系
• 5.2.4 限制相容关系
• 5.3 限制量化相容关系模型
• 5.3.1 限制量化相容关系
• 5.3.2 限制量化相容关系的解释及分析
• 5.4 RQCR 算法的设计与实现
• 5.4.1 算法描述
• 5.4.2 算法解释与分析
• 5.5 可变门阈值的限制量化相容关系模型
• 第六章 结束语
• 6.1 工作总结
• 6.2 进一步工作
• 参考文献
• 摘要
• Abstract
• 致谢
• 导师及作者简介