基于粒计算的粗糙集分类方法的研究与应用

《基于粒计算的粗糙集分类方法的研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号UDC密级单位代码10151基于粒计算的粗糙集分类方法的研究与应用汪力指导教师桑琳职称学位授予单位7大连海事大学教授申请学位级别硕士学科(专业)应用数学论文完成日期．2013年5月答辩日期2013年6月答辩委员会主席TheresearchandappficationofroughsetclassificationmethodongranularcomputingAthesisSubmittedtoDalianMaritimeUniversityInpartialfulfdlmentoftherequirements

2、forthedegreeofmasterofscienceLiWang(AppliedMathematics)ThesisSupervisor：ProfessorLinSangMay2013大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果，撰写成博／硕士学位论文“基壬撞过篡数塑蕉塞坌差友鎏数婴塞皇廛旦’’。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公

3、开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名：三垂变学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阕。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士学位论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据

4、库》(中国科学技术信息研究所)等数据库中，并以电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于：保密口在——年解密后适用本授权书。不保密∥(请在以上方框内打··√”)论文作者签名：号三哆导师签名：案欠移卜日期：pf～年占月矽日中文摘要摘要近年来，随着信息技术的高速发展与广泛应用，产生了海量的数据，如何从中挖掘潜在的、有价值的信息并将其应用到生产实践中变得尤为关键。由此，一种能够从大量的、不完整的、有噪声的、随机的数据中，分析并且智能提取信息的技术——数据挖掘应运而生，越来越受到人工智能领

5、域的关注。数据分类是数据挖掘的一个重要内容，目前分类的方法很多，比如粗糙集理论、粒计算、决策树、人工神经网络等。粗糙集理论是一个处理不确定、不精确、不完备信息的数学工具，基于粗糙集的分类知识发现模型主要有：建模数据获取、数据预处理、属性约简、规则提取等。粒计算是问题求解、数据挖掘、信息处理的一种新的方法，覆盖了所有有关粒度的理论、方法和技术。粒计算已成为人工智能领域研究的热点方向之一。本文在租糙集和粒计算理论基础上，针对不完备信息系统，对于决策信息系统的属性约简算法以及规则提取做了进一步研究，具体研究内容如下：(1)针对

6、不完备信息系统，通过建立粗糙集扩展模型从而处理不完备信息的方法的研究已经比较丰富，然而，运用粒计算理论对于粗糙集扩展模型的研究领域还不成熟，本文利用粒计算理论对基于容差关系的扩充粗糙集模型进行粒的构造，并定义了知识的不确定性度量，即粒度熵与条件粒度熵，研究证明了相关定理和性质。并以条件粒度熵作为启发式信息，提出了基于条件粒度熵的属性约简算法。(2)经典的粗糙集方法对于不完备决策表进行规则提取时存在较多的不足，本文首先运用粒计算理论的思想，将不完备决策表分解并且对所分解的决策表进行等价划分得到等价类，而等价关系是不完备决策

7、表中的空值与其它任何的值都不相同的。然后，给出规则的可信度作为规则提取的标准，继而提取出不完备系统中的确定规则。关键词：粗糙集；较计算；条件粒度熵；一性约简；规则提取英文摘要ABSTRACTInrecentyears,hugeamountsofdataproducedwiththerapiddevelopmentofmodeminformationtechnologyanditswidelYapplication．Sohowtoexcavatepotential，valuableinformationandapplyit

8、totheproductionpracticeisparticularlycritical．Asaresult,akindofanalysisandintelligentextractionofinformationtechnologyfromthelarge,in跏plete，noisy,randomdataeme