可变精度粗糙集合模型研究与应用

论文摘要

可变精度粗糙集合模型是经典粗糙集理论的一个扩展模型,它是在经典粗糙集合模型中引入了分类正确率β,其分类是部分的。本文首先比较全面地介绍了可变精度粗糙集合模型的基本概念,然后以此为基础,对可变精度粗糙集合的以下几个重要问题进行了深入细致地研究。 已知一个决策表,如何评价属性的重要性,关于这一问题目前已有不少文献进行了相关研究,但这些研究多是针对经典粗糙集理论进行的,本文讨论了基于可变精度粗糙集模型的属性重要性评价方法,同时将该方法应用于组合预测中。 分类正确率β和分类能力γ是可变精度粗糙集合模型的两个重要参数。本文详细论述了两者的相互关系及相互影响,并提出了β域观点,试图以对β域的研究代替传统的对特定β值的关注。 属性约简是采用可变精度粗糙集合模型生成有效规则的关键。传统的β约简定义的核心是保持β分类能力不变,笔者在研究中发现依照该定义求得的约简存在规则不一致现象,并针对这一现象进行深入研究,给出新的β约简定义及相应的约简方法。核属性是采用启发式式算法求解属性约简的关键。本文针对不相容决策表核属性的计算问题,提出了两种基于粗糙集代数观的核属性计算新方法。 最后,本文还研究了基于可变精度粗糙集合理论的数据挖掘模型,运用该模型并采用自行开发的系统对UCI数据库中的WINE数据集进行仿真实验,实验结果比较理想。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题研究的背景
• 1.2 本文的主要工作及研究成果
• 1.3 本文的组织结构
• 第二章 理论概述
• 2.1 数据挖掘概论
• 2.1.1 数据挖掘产生的背景
• 2.1.2 数据挖掘模型
• 2.2 经典粗糙集理论概述
• 2.2.1 经典粗糙集理论的基本概念
• 2.2.2 经典粗糙集理论研究的主要问题
• 2.2.3 经典粗糙集理论的特点及应用
• 2.3 可变精度粗糙集合模型概述
• 2.3.1 可变精度粗糙集合模型的基本概念
• 2.3.2 可变精度粗糙集合模型的特点及应用
• 2.3.4 可变精度粗糙集合模型的扩展模型
• 2.4 本章小结
• 第三章 属性重要性分析及其在组合预测中的应用
• 3.1 经典粗糙集理论下的属性重要性判别
• 3.2 可变精度粗糙集合模型属性重要性判别
• 3.3 基于可变精度粗糙集的组合预测模型
• 3.3.1 组合预测模型
• 3.3.2 目标函数
• 3.4 组合预测模型中加权系数确定算法
• 3.5 仿真实验
• 3.6 本章小结
• 第四章 分类正确率与分类能力
• 4.1 相关知识
• 4.2 分类正确率的选取对分类能力的影响
• 4.3 在确定分类能力下分类正确率的取值
• 4.3 本章小结
• 第五章 不相容决策表的核属性计算
• 5.1 相关知识
• 5.1.1 决策表的相容性
• 5.1.2 决策表属性约简
• 5.1.3 决策表的核属性
• 5.2 基于分布约简求决策表核属性
• 5.2.1 属性约简的分布定义
• 5.2.2 基于分布约简求决策表核属性
• 5.3 基于β分布约简求决策表核属性
• 5.3.1 β分布约简定义
• 5.3.2 基于β分布约简求决策表核属性
• 5.4 分析比较
• 5.5 本章小结
• 第六章 可变精度粗糙集合模型属性约简
• 6.1 ZIARKO定义的β约简中存在的问题
• 6.1.1 根据Ziarko的定义求β约简
• 6.1.2 β约简异常
• 6.2 改进后的可变精度粗糙集合模型属性约简
• 6.2.1 β分布约简
• 6.2.2 β分布约简的约简方法
• 6.3 本章小结
• 第七章 基于可变精度粗糙集合模型的数据挖掘
• 7.1 基于可变精度粗糙集合模型的数据挖掘
• 7.1.1 可变精度粗糙集合模型与数据挖掘
• 7.1.2 基于可变精度粗糙集合模型的数据挖掘系统
• 7.2 应用实例
• 7.2.1 仿真实验
• 7.2.2 实验结果分析
• 7.5 本章小结
• 第八章 总结与展望
• 8.1 全文总结
• 8.2 研究展望
• 参考文献
• 附录
• 致谢
• 攻读学位期间主要的研究成果