近年來,突發(fā)事件發(fā)生呈常態(tài)化趨勢,其誘因復(fù)雜、發(fā)展迅猛,給各國家和地區(qū)帶來嚴(yán)峻挑戰(zhàn)。突發(fā)事件數(shù)據(jù)集記錄的信息雜亂,不利于決策者做出科學(xué)有效的應(yīng)急決策,需對其進(jìn)行知識獲取研究�，F(xiàn)有面向突發(fā)事件的知識獲取大多基于經(jīng)典粗糙集,利用區(qū)分矩陣、重要度或信息熵方法設(shè)計(jì)算法,其處理突發(fā)事件數(shù)據(jù)集的效果欠佳且耗時(shí)較長。因此,本文利用覆蓋粗糙集對突發(fā)事件決策表進(jìn)行知識獲取以提升數(shù)據(jù)處理效果,擴(kuò)大粗糙集在應(yīng)急管理領(lǐng)域中的應(yīng)用。本文利用相關(guān)族方法對M逼近空間,D逼近空間覆蓋粗糙集進(jìn)行屬性約簡,并探究它們與圖論之間的聯(lián)系,借鑒圖論中優(yōu)化算法獲取決策表的關(guān)鍵屬性。突發(fā)事件數(shù)據(jù)集存在信息冗余、缺失,數(shù)據(jù)海量等問題,而相關(guān)族方法能對這樣的決策表進(jìn)行有效的屬性約簡。因此,本文以相關(guān)族和圖論為基礎(chǔ)探究突發(fā)事件的知識認(rèn)識過程,主要包括屬性約簡、規(guī)則提取理論研究,算法設(shè)計(jì)與實(shí)例應(yīng)用。首先,為便利后續(xù)工作,將一致和非一致決策表整合為統(tǒng)一框架,記為有效逼近集合,在此集合的基礎(chǔ)上重新定義相關(guān)族。并利用相關(guān)族方法建立起超圖極小頂點(diǎn)覆蓋和權(quán)重極小頂點(diǎn)覆蓋分別與決策表的屬性約簡和代價(jià)極小屬性約簡的新聯(lián)系,從而得到?jīng)Q策表屬性約簡的新方法... 

【文章來源】：中南林業(yè)科技大學(xué)湖南省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１技術(shù)路線圖??Ｆｉｇｕｒｅ?１．１?Ｔｅｃｈｎｏｌｏｇｙ?Ｒｏａｄｍａｐ??

中南林業(yè)科技大學(xué)碩士學(xué)位論文?決策表的屬性約簡及其在應(yīng)急管理上的應(yīng)用??ｘｇｔ／，稱為的一個(gè)概念或范疇，中的任何概念族稱為關(guān)于Ｃ／的知識。??定義２．２．３［６Ｇ１—個(gè)知識庫就是一個(gè)關(guān)系系統(tǒng)尺＝?（Ｃ／，Ｒ），其中Ｖ為論域，Ｒ為［／上??的一族等價(jià)關(guān)系。??（３）上下逼近集合??所謂粗糙集，就是知識庫尺＝?（Ｃ／，Ｍ）不具備準(zhǔn)確刻畫對象集Ｘ的能力。為使??Ｘ能被近似地分類和刻畫，使用兩個(gè)精確集合上逼近集合（ｕｐｐｅｒａｐｐｒｏｘｉｍａｔｉｏｎ）??和下逼近集合（ｌｏｗｅｒａｐｐｒｏｘｉｍａｔｉｏｎ）來描述Ｘ。??定義２．２．４＿給定知識庫其中尺＝?（Ｃ／，Ｒ），對于每個(gè)子集和一個(gè)等價(jià)關(guān)系／？，??定義兩個(gè)子集：??ＲＸ?＝?［ｊ｛ＹｅＵ／Ｒ＼ＹＣＸ｝?（２．１）??ＢＸ＝＼Ｊ｛ＹｅＵ／Ｒ＼Ｙｒ＼Ｘ＾０｝?（２．２）??分別稱他們?yōu)椋氐某呦卤平虾停�？上逼近集合。對于粗糙集的上下逼近集�??可以通過圖２．１更直觀地理解。??Ｕ??／?Ｒ?：?ｓｕｂｓｅｔ?ｏｆ???ｖ??／???／?ａｔｔｒｉｂｕｔｅｓ???ｙ??Ｓｅｒ：?Ｘ?＇??＾??圖２．１粗糙集近似集??Ｆｉｇｕｒｅ?２．１?Ｔｈｅ?ａｐｐｒｏｘｉｍａｔｉｏｎ?ｓｅｔｓ?ｏｆ?ｒｏｕｇｈ?ｓｅｔ??２．２．２覆蓋粗糙集??Ｐａｗｌａｋ粗糙集基于等價(jià)關(guān)系這一數(shù)學(xué)模型，其只能處理離散型數(shù)據(jù)集。為避??免數(shù)值型數(shù)據(jù)離散化過程中發(fā)生的數(shù)據(jù)內(nèi)部結(jié)構(gòu)改變，挖掘性能下降，離散化帶??來的誤差等問題，Ｚａｋｏｗｓｋｉ等提出了覆蓋粗糙集模型ｔ６１］。??１６??

，一；度出發(fā)，不同的表達(dá)方式為同一問題提供了不同的手段、方法和解決方案�；仡�??上述的研究發(fā)現(xiàn)，現(xiàn)階段粗糙集與圖論之間的聯(lián)系通過區(qū)分矩陣建立，但事實(shí)證??明區(qū)分矩陣只能應(yīng)用至Ａ／？逼近空間覆蓋粗糙集模型，因此基于區(qū)分矩陣方法建??立的粗糙集與圖論之間的聯(lián)系不完整，二者間的關(guān)值得我們繼續(xù)進(jìn)行研究和探討。??超圖（Ｈｙｐｅｒｇｒａｈ）?［２】為圖的擴(kuò)展模型，它的超邊（ｈｙｐｅｒｅｄｇｅ）可以連接多個(gè)??頂點(diǎn)（如圖２．２）。其中，｛Ｖｎ，ｗ４，Ｗ５｝為超圖的頂點(diǎn)，與，巧，五３｝稱為超邊。一??般地，超圖記為Ｗ?＝?（Ｆ，ｅ），Ｖ■表示有限頂點(diǎn)的集合，ｅ?（超邊）是頂點(diǎn)Ｖ的一組??非空子集，經(jīng)過頂點(diǎn)、的超邊乓記為｛五，｜巧ｅ、｝。??

【參考文獻(xiàn)】：
期刊論文
[1]基于局部粗糙集研究不完備信息系統(tǒng)的理論[J]. 劉瑤瑤.  智能計(jì)算機(jī)與應(yīng)用. 2019(05)
[2]采用信息增益率的混合入侵檢測模型設(shè)計(jì)[J]. 楊紅浩,周治平.  信息與控制. 2019(04)
[3]代價(jià)敏感數(shù)據(jù)的多標(biāo)記特征選擇算法[J]. 黃琴,錢文彬,王映龍,吳兵龍.  智能系統(tǒng)學(xué)報(bào). 2019(05)
[4]基于證據(jù)理論的覆蓋決策信息系統(tǒng)的屬性約簡[J]. 張燕蘭,李長清.  模式識別與人工智能. 2018(09)
[5]非常規(guī)突發(fā)事件的通信保障應(yīng)急決策研究[J]. 樊自甫,李汶沁,孫紅.  科技管理研究. 2018(08)
[6]基于概念格的不完備信息系統(tǒng)最簡規(guī)則提取算法[J]. 陳澤華,宋波,閆繼雄,柴晶.  控制與決策. 2019(05)
[7]基于粗糙集的突發(fā)事件屬性約簡方法[J]. 仲秋雁,王然,曲毅.  運(yùn)籌與管理. 2018(01)
[8]不完備鄰域粗糙集的不確定性度量和屬性約簡[J]. 姚晟,汪杰,徐風(fēng),陳菊.  計(jì)算機(jī)應(yīng)用. 2018(01)
[9]基于屬性重要度的風(fēng)險(xiǎn)決策粗糙集屬性約簡[J]. 張清華,胡榮德,姚龍洋,謝萬成.  控制與決策. 2016(07)
[10]不一致決策表快速知識約簡算法研究[J]. 常玉慧,郭慶軍,錢進(jìn).  小型微型計(jì)算機(jī)系統(tǒng). 2015(08)

博士論文
[1]覆蓋粗糙集約簡理論及應(yīng)用[D]. 楊田.湖南大學(xué) 2010

碩士論文
[1]基于時(shí)空網(wǎng)絡(luò)的航班延誤恢復(fù)問題建模及優(yōu)化方法[D]. 馬永秀.中國民航大學(xué) 2017
[2]突發(fā)事件案例情景間關(guān)聯(lián)規(guī)則挖掘及推理研究[D]. 劉燦.大連理工大學(xué) 2017
[3]面向用戶偏好的突發(fā)事件知識獲取研究[D]. 王然.大連理工大學(xué) 2016
[4]覆蓋粗糙集的度量與屬性約簡方法研究[D]. 李婉璐.華北電力大學(xué) 2014



本文編號：3592629