粗糙集与Bayes决策规则【毕业论文+开题报告+文献综述】

《粗糙集与Bayes决策规则【毕业论文+开题报告+文献综述】》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、本科毕业论文开题报告数学与应用数学粗糙集与Bayes决策规则一、综述本课题国内外研究动态,说明选题的依据和意义1982年,波兰数学家PawlakZ发表了经典论文RoughSets,粗糙集理论诞生.在这之后,许多数学家,计算机研究人员和逻辑学家对粗糙集产生了很大的兴趣,并做了大量的研究在粗糙集的理论和应用方面.1991年PawlakZ的专著和1992年应用专集的出版,促进了粗糙集在各个领域中的应用.此后也召开了一些粗糙集的会议,第一届关于粗糙集理论国际学术会议在波兰召开.1995年,ACMCommunication将其列为新浮现的计算机科学的研究课题.1998年,国际信息

2、科学杂志(InformationSciences)还为粗糙集理论的研究出了一期专辑.这些大大地促进了粗糙集的发展.粗糙集的实用性很强,粗糙集从产生到现在虽然只有短暂的十几年的时间,但是已经取得了很多的成果.它在机器学习与知识发现,数据挖掘,决策支持与分析等方面广泛应用,粗糙集理论的研究逐渐趋于热化.粗糙集理论是一种用来刻画不完整性和不确定性的数学工具,能有效地分析不精确,不一致,不完整等各种不完备的信息.粗糙集理论将知识理解为使用等价关系集对有限非空论域进行划分,它的主要思想是将不确定或不精确的知识用已知的知识库中的知识来近似刻画,在不损失信息的前提下,约简信息属性及属

3、性值,获得相应的决策规则.但是,针对粗糙集在数据的收集处理过程中的数据处理方法,由于缺乏一些关键数据和信息的支持,并且,当关键的信息缺省比较多的时候,将影响其在实际应用中的决策效率,而且有可能会做出错误的判断.如果把Bayes理论引入到粗糙集中,可以显著提高决策能力.Bayes决策理论既可以一次处理整个的数据集,也可以一次只处理某一个数据.利用Bayes原理中的先验概率来分析引发该结果的主要因素以及该因素所起作用的大小.X该方法不但避免了单纯Bayes理论的计算的繁琐性,而且也克服了粗糙集刚性推理的弱点.自从20世纪50-60年代,Bayes学派形成之后,关于Bayes

4、的研究日趋火热.20世纪80年代后,Bayes网络就成功地应用于专家系统,成为表示不确定性专家知识和推理的一种重要的方法.Bayes决策理论是主观Bayes派归纳理论的重要组成部分.有三位学者对Bayes决策理论的建立作出了重要贡献,他们是蓝姆塞(RamseyEP),萨维奇(SavageLJ),杰弗里(JeffreyR).萨维奇系统地研究了决策理论.Bayes理论提供了一种计算假设概率的方法,它基于先验概率,在给定假设下观察到不同数据的概率以及观察到数据本身.Bayes推理为衡量多个假设的置信Bayes推理在过去近30年中得到了较为广泛的研究,特别的是自Kahneman

5、和Tversky发现人们直觉的概率判断忽略基础概率现象以来,出现了许多理论和研究方法的更新,这些都深化了对这一问题的研究.Bayes决策方法作为一种风险型决策方法,在实际中的应用较广泛.它在会计决策,房地产风险决策,企业重要的经营决策等方面的应用都有研究.本文将在上述文献的基础上,通过对粗糙集与Bayes决策规则进行进一步研究,得出在粗糙集理论中,每个决策规则的信任因子和覆盖因子是相互关联的.并且这两个因子满足Bayes规则.二、研究的基本内容,拟解决的主要问题研究的基本内容:粗糙集与Bayes决策规则.解决的主要问题:1.粗糙集理论,决策规则的两个条件概率;2.粗糙集

6、与Bayes决策规则.三、研究步骤、方法及措施研究步骤:1.查阅收集相关资料;2.翻译英文资料,修改英文翻译;3.仔细阅读并研究文献资料,撰写文献综述;4.在老师指导下,确定整个论文的思路,列出论文提纲;5.开题报告通过后,撰写毕业论文初稿;6.上交论文初稿;7.反复修改论文;X8.论文定稿.方法,措施:通过到图书馆,上网等查阅收集资料,参考相关内容.在老师指导下,归纳整理各类问题.与同组同学研究讨论,用数据调查结合文献论证的方法来解决问题.四、参考文献[1]PawlakZ.Roughsets.InternationalJournalofComputerandInfor

7、mationSciences[J].1982,11:341~356.[2]PawlakZ.Roughsets:TheoreticalAspectsofReasoningaboutData[A].Boston:KluwerAcademicPublishers,1991.[3]ChanCC.Aroughsetapproachtoattributegeneralizationindatamining[J].JournalofInformationSciences,1998,107:169~176.[4]McsherryD.Knowledgedi