论文题目: 面向海量数据的粗糙集理论与方法研究
论文类型: 博士论文
论文专业: 计算机应用技术
作者: 王加阳
导师: 罗安,陈松乔
关键词: 海量数据,粗糙集,变精度粗糙集模型,动态约简,决策融合
文献来源: 中南大学
发表年度: 2005
论文摘要: 粗糙集理论自提出以来,其理论与方法不断得到发展,在许多方面克服了传统数据分析理论显现出的诸多不足,表现出其独特的优势,受到了国内外学术界的广泛关注。本文面向海量数据从多个层面对粗糙集理论进行了学术探讨,评述了国内外研究进展,深入研究了基于粗糙集的约简,可变精度粗糙集模型,动态约简,规则集决策分析,多知识库决策融合等方面的问题。 (1) 基于归并的约简分析,描述了归并为属性约简的最本质特征,给出了约简的细分层次关系,体现为偏序格结构,从实质上把握了一个决策信息系统的约简特征。根据分类特性,探讨了信息熵、决策熵和条件熵的思想,给出了它们的性质,以及相互之间的关系,分析了他们对决策信息系统不确定性和约简的影响。对时序决策信息系统,重点研究了时序信息系统的获取及约简等基本问题,提出了时间重要性约简策略。 (2) 深入分析了可变精度粗糙集模型的约简异常,通过引入条件类包含度阀值的概念,描述了包含度与分类率的区间关系,分析了包含度区间的动态变化和正区域变化引起的约简异常,提出了消除异常的区间约简基本思想,并构造了区间约简算法,完善了可变精度粗糙集模型约简。 (3) 阐述了动态约简基本思想,进一步描述了多层次的形式化动态约简模型,提出了F族计算的新方法,把约简精度系数引入到对抽样的估计中,并进行了深入细致的特性分析,获得了良好的结果。提出了动态核概念,研究了动态核的多层次形式化定义,探讨了动态核具有的基本性质,论证了动态约简交集对动态核的包含性,该思想对各层面的动态约简形式化定义都具有一致的适应性,从而说明动态核真正具备了属性核的本质特征。 (4) 研究了决策规则的多种度量,分析了度量体现的性质,提出了规则集合的决策度量,从整体上体现了一个规则集合的性能,为多知识库模型选择奠定了基础。针对目前值约简方法的不足,提出了基于规则分辨矩阵的值约简思想,从整体上体现了一个规则集的性质,完整地阐述了值约简,为决策分析奠定了基础。 (5) 基于模型集成的基本理论,给出了模型的形式化表示,提出了模型组合关系与模型集成方法,把规则知识库作为一个单元决策模
论文目录:
摘要
ABSTRACT
第一章 绪论
1．1 引言
1．2 国内外研究评述
1．3 本文主要研究内容
1．4 全文结构
第二章 粗糙集约简分析
2．1 引言
2．2 约简的归并分析
2．2．1 归并分析
2．2．2 约简计算
2．2．3 可约简性
2．3 约简的熵分析
2．4 时序信息系统约简
2．4．1 时序信息系统
2．4．2 时序信息系统的获取与转换
2．4．3 基于时间特性的属性约简
2．5 小结
第三章 可变精度粗糙集模型
3．1 引言
3．2 可变精度粗糙集模型
3．2．1 包含度
3．2．2 可变精度粗糙集
3．2．3 分类率
3．3 包含度与分类率的相关性
3．4 约简异常
3．4．1 Ziarko约简分析
3．4．1 区间动态性
3．4．2 分类异常
3．4．2 决策异常
3．5 区间约简
3．6 小结
第四章 动态约简
4．1 引言
4．2 动态约简概念
4．2．1 动态约简特征
4．2．2 动态约简模型
4．3 动态约简抽样分析
4．3．1 抽样描述
4．3．2 F族计算
4．3．3 F族分析
4．3．4 F族质量
4．4 动态核
4．4．1 静态约简的核
4．4．2 F族动态核
4．4．3 (F-λ)动态核
4．4．4 广义动态核
4．5 小结
第五章 基于粗糙集的决策分析
5．1 引言
5．2 决策规则
5．3 规则度量
5．4 规则集决策分析
5．4．1 平均粒度
5．4．2 规则集支持度
5．4．3 规则集置信度
5．4．4 规则集覆盖度
5．5 值约简
5．5．1 值约简描述
5．5．2 对象分辨矩阵
5．5．3 规则分辨矩阵
5．6 小结
第六章 基于模型集成的信息融合
6．1 引言
6．2 基于粗糙集的多知识库
6．3 模型及其表示
6．4 模型集成决策融合
6．4．1 集成定义
6．4．2 模型集成
6．5 小结
第七章 电力负荷数据分析
7．1 引言
7．2 电力负荷数据分析架构
7．3 负荷预测分析
7．4 基于变精度粗糙集模型的组合预测
7．4．1 组合预测模型
7．4．2 权系数确定
7．5 基于多知识库的模型集成
7．6 小结
第八章 工作总结与未来的研究
8．1 本文的主要工作
8．2 未来工作展望
参考文献
致谢
攻读学位期间主要成果
发布时间: 2006-03-28
参考文献
- [1].代价敏感粒计算若干方法的研究[D]. 廖淑娇.电子科技大学2018
- [2].基于阴影集和粗糙集的模糊聚类算法研究与应用[D]. 王丽娜.南京航空航天大学2016
- [3].粗糙集在Web挖掘中的应用研究[D]. 易高翔.华中科技大学2006
- [4].基于粗糙集理论的决策信息系统知识获取研究[D]. 瞿彬彬.华中科技大学2006
- [5].基于粗糙集数据分析的智能决策支持系统研究[D]. 刘业政.合肥工业大学2002
- [6].基于粗糙集理论的不确定信息系统及其决策研究[D]. 郭庆.合肥工业大学2017
- [7].基于粗糙集理论的混合数据挖掘方法研究[D]. 赵华.西南交通大学2014
- [8].基于粗糙集理论的动态数据挖掘关键技术研究[D]. 王永生.北京科技大学2016
- [9].基于粗糙集的数据挖掘与决策支持方法研究[D]. 苏健.浙江大学2002
- [10].粗糙集扩展模型及其在数据挖掘中的应用研究[D]. 赛英.中国人民解放军国防科学技术大学2002
标签：海量数据论文; 粗糙集论文; 变精度粗糙集模型论文; 动态约简论文; 决策融合论文;