基于变精度粗糙集的约简算法研究与应用

论文摘要

随着信息技术和数据库技术的高速发展,人们每天都要面对巨大的数据量,数据挖掘正是致力于数据的分析和理解、揭示数据内部蕴藏知识的技术,是当前人工智能研究中非常活跃的领域。粗糙集理论是一种有效地处理模糊性和不确定性问题的数学工具,为数据挖掘的研究提供了新的思路和基础。本文主要研究变精度粗糙集的约简算法,针对传统数据挖掘处理噪声数据不力的问题,从理论和应用两个方面对约简算法进行了深入的研究。主要工作包括:(1)在变精度粗糙集理论下对经典粗糙集的概念进行了重新的诠释;分析了粗糙集理论在数据挖掘应用中的理论根据和基本原理,并点出了研究的方向。(2)比较分析了两种变精度粗糙集模型下的约简算法,即β?下近似和β?下分布约简算法,结合这两种算法提出了一种改进算法,并验证了新算法的有效性。(3)提出了基于变精度粗糙集和熵权相结合的评估模型,并将模型应用于企业自主创新能力评价中,通过实证分析,证实了该模型在企业自主创新能力评价中的有效性。

论文目录

• 致谢
• 摘要
• Abstract
• 1 引言
• 1.1 论文研究背景及意义
• 1.2 国内外研究综述
• 1.2.1 粗糙集理论的发展及研究现状
• 1.2.2 数据挖掘方法的研究现状
• 1.3 论文主要研究内容和结构安排
• 2 相关理论概述
• 2.2 变精度粗糙集理论
• 2.3 变精度粗糙集理论和其他挖掘算法的结合应用
• 3 基于变精度粗糙集的属性约简算法
• 3.1 VPRS 中的β-近似属性约简算法
• 3.2 VPRS 的β-下分布属性约简算法
• 3.2.1 β-分布约简的基本思想
• 3.2.2 β-下分布可辨识矩阵
• 3.3 改进的VPRS 下的β-下近似属性约简算法
• 3.4 实验结果及分析
• 4 基于VPRS-熵权法的企业自主创新能力评价研究
• 4.1 自主创新理论阐述
• 4.1.1 创新概念的提出
• 4.1.2 自主创新的内涵
• 4.1.3 企业创新能力及测度理论
• 4.2 信息熵与熵权
• 4.2.1 信息熵
• 4.2.2 熵权
• 4.3 熵值法计算步骤
• 4.4 基于VPRS 下近似约简算法的建模过程
• 4.5 实证分析
• 4.5.1 初选评价指标及待评对象确定
• 4.5.2 原始数据采集及数据预处理
• 4.5.3 指标约简
• 4.5.4 确定熵值、权重和综合评价
• 5 结论
• 5.1 研究工作总结
• 5.2 展望
• 参考文献
• 作者简历
• 学位论文数据集