本文關(guān)鍵詞：基于粗糙—模糊集成的分類知識發(fā)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：從數(shù)據(jù)中抽象分類模型是是知識發(fā)現(xiàn)的重要研究內(nèi)容,而實際數(shù)據(jù)所蘊涵的不確定性、不一致性和隨機性是分類知識發(fā)現(xiàn)面臨的主要困難。粗糙集和模糊集都可以處理不確定性和不精確性問題,但是兩者的側(cè)重點不同。粗糙集研究的是不同類的集合對象之間的不可分辨性,而模糊集研究的是類與類邊界的重疊性。模糊集的隸屬函數(shù)大多是專家憑經(jīng)驗給出,而粗糙集不需要數(shù)據(jù)之外的任何先驗信息。粗糙集和模糊集在處理不確定性問題上各有所長,將兩者有機結(jié)合可以更好地處理實際問題。本文將連續(xù)數(shù)據(jù)作為研究對象,以分類知識發(fā)現(xiàn)為目的,對粗糙集和模糊集的集成方法展開了一系列研究。主要內(nèi)容如下： 1.根據(jù)模糊分類模型在處理分類問題上的優(yōu)勢,結(jié)合決策粗糙集在處理不一致性和隨機性數(shù)據(jù)中的優(yōu)點,提出了一種新的模糊分類模型構(gòu)造方法。先對決策粗糙集模型的性質(zhì)進行研究分析,在此基礎(chǔ)之上提出了屬性約簡的概念及相應(yīng)的算法。首先采用模糊c均值聚類算法對連續(xù)屬性值離散化同時對輸入空間進行模糊劃分；然后利用兩步搜索策略計算離散化決策表的約簡集,刪除冗余的條件屬性；從約簡后的決策表中提取決策規(guī)則,再將決策規(guī)則轉(zhuǎn)換成模糊分類規(guī)則,從而建立了模糊分類模型。該模糊分類模型直接基于對數(shù)據(jù)的分析,具有結(jié)構(gòu)簡單、語義解釋性好和泛化能力強的優(yōu)點,并且不需要再利用學(xué)習(xí)算法對參數(shù)進行調(diào)節(jié)。 2.指出Lingras粗k均值聚類算法的一些缺點,討論分析了這些缺點的產(chǎn)生原因,在此基礎(chǔ)上提出了一種改進的粗k均值聚類算法。改進的算法通過定義潛能來確定初始的聚類中心,并將Lingras粗k均值聚類算法計算上下近似所用的絕對距離改為相對距離。改進的算法初始聚類中心位置設(shè)置合理,對類邊界的劃分更加恰當(dāng),聚類效果好,性能穩(wěn)定�；诟倪M粗k均值聚類算法,提出了一種新的模糊分類模型。采用改進粗k均值聚類算法對輸入空間進行聚類從而構(gòu)建初始的模糊分類系統(tǒng),再利用遺傳算法對初始模糊分類模型的前件參數(shù)進行優(yōu)化,從而得到最終的模糊分類模型。該模糊分類模型實現(xiàn)了參數(shù)的準(zhǔn)確辨識,具有較高的精度和泛化能力。 3.針對決策粗糙集只能處理離散數(shù)據(jù)的局限性,提出了能夠直接用于連續(xù)數(shù)據(jù)的模糊決策粗糙集模型。將決策粗糙集模型嚴(yán)格不可分辨關(guān)系放松至模糊T-等價關(guān)系,從模糊隸屬度角度定義條件概率,構(gòu)造新的概率包含關(guān)系,在此基礎(chǔ)上建立了模糊決策粗糙集模型。還研究了模糊決策粗糙集模型的性質(zhì),并提出了模糊決策粗糙集模型屬性約簡的定義及相應(yīng)的約簡算法。為進一步研究模糊決策粗糙集在分類建模中的應(yīng)用提供了理論基礎(chǔ)。 4.基于前面提出的模糊決策粗糙集模型,設(shè)計了一種基于約簡的選擇性多分類器集成系統(tǒng)�；谀：龥Q策粗糙集模型,利用兩步隨機屬性約簡算法,計算得到原始數(shù)據(jù)的多個不同約簡。在每組約簡上訓(xùn)練一組個體分類器,再利用遺傳算法從每組個體分類器中選擇部分按照相對多數(shù)投票法進行集成。該多分類器集成系統(tǒng)利用了不同約簡所提供的互補信息,個體分類器之間的差異較大。實驗研究的結(jié)果表明本文提出的多分類器集成系統(tǒng)具有較好的分類能力,且被集成的個體分類器數(shù)目較少。
【關(guān)鍵詞】：粗糙集 模糊集 屬性約簡 連續(xù)數(shù)據(jù) 分類
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：C934
【目錄】：

• 中文摘要5-7
• Abstract7-18
• 第1章 緒論18-35
• 1.1 研究背景及意義18-20
• 1.1.1 知識發(fā)現(xiàn)18-19
• 1.1.2 分類19-20
• 1.2 現(xiàn)有的分類方法20-27
• 1.2.1 決策樹分類方法21
• 1.2.2 貝葉斯分類方法21-22
• 1.2.3 KNN分類方法22-23
• 1.2.4 神經(jīng)網(wǎng)絡(luò)分類方法23-24
• 1.2.5 SVM分類方法24
• 1.2.6 模糊集分類方法24-25
• 1.2.7 粗糙集分類方法25-26
• 1.2.8 基于融合技術(shù)的分類方法26-27
• 1.3 粗糙集與模糊集結(jié)合的研究27-32
• 1.3.1 粗糙集與模糊集的比較27-29
• 1.3.2 粗糙-模糊集成方法的文獻綜述29-32
• 1.4 論文的研究內(nèi)容及篇章結(jié)構(gòu)32-35
• 第2章 預(yù)備知識35-49
• 2.1 引言35
• 2.2 粗糙集的發(fā)展歷史35-36
• 2.3 粗糙集的基本概念36-41
• 2.3.1 信息系統(tǒng)和決策表36
• 2.3.2 不可分辨關(guān)系36-38
• 2.3.3 上下近似集38-39
• 2.3.4 屬性約簡與核39-41
• 2.4 模糊集的基本概念41-44
• 2.4.1 模糊集合41-42
• 2.4.2 模糊算子42-43
• 2.4.3 模糊關(guān)系43-44
• 2.5 基于經(jīng)典粗糙集的屬性約簡算法44-46
• 2.6 粗糙集的理論與應(yīng)用研究46-47
• 2.7 粗糙集拓展模型47
• 2.8 本章小結(jié)47-49
• 第3章 基于決策粗糙集的模糊分類模型49-76
• 3.1 引言49-50
• 3.2 決策粗糙集模型及屬性約簡50-59
• 3.2.1 決策粗糙集模型的定義50-53
• 3.2.2 決策粗糙集模型的性質(zhì)53-57
• 3.2.3 決策粗糙集的約簡理論57-59
• 3.3 基于決策粗糙集的模糊分類系統(tǒng)59-71
• 3.3.1 FC_DTRS的設(shè)計流程59-60
• 3.3.2 輸入變量的選擇60-67
• 3.3.3 輸入變量模糊子集的確立67-69
• 3.3.4 模糊規(guī)則的建立69-70
• 3.3.5 模糊推理70-71
• 3.4 實驗分析71-75
• 3.4.1 TSAR_DTRS約簡算法性能測試71-74
• 3.4.2 FC_DTRS模型性能測試74-75
• 3.5 本章小結(jié)75-76
• 第4章 基于改進粗K均值聚類的模糊分類模型76-93
• 4.1 引言76
• 4.2 基于改進粗K均值聚類的模糊分類模型76-83
• 4.2.1 FC_IRKM的設(shè)計流程76-78
• 4.2.2 粗k均值聚類算法78-79
• 4.2.3 改進的粗k均值聚類算法79-81
• 4.2.4 初始FC_IRKM的構(gòu)建81
• 4.2.5 模糊分類模型的學(xué)習(xí)81-83
• 4.3 實驗分析83-91
• 4.3.1 改進的粗k均值聚類算法性能測試83-90
• 4.3.2 基于改進粗k均值聚類的模糊分類模型性能測試90-91
• 4.4 本章小結(jié)91-93
• 第5章 模糊決策粗糙集模型及其屬性約簡93-108
• 5.1 引言93
• 5.2 模糊決策粗糙集模型93-97
• 5.2.1 模糊�；�93-96
• 5.2.2 粗糙近似算子96-97
• 5.3 基于模糊決策粗糙集的屬性約簡97-100
• 5.4 算例分析100-101
• 5.5 實驗分析101-106
• 5.6 本章小結(jié)106-108
• 第6章 基于模糊決策粗糙集約簡的多分類器集成系統(tǒng)108-118
• 6.1 引言108-109
• 6.2 基于模糊決策粗糙集約簡的多分類器集成系統(tǒng)109-110
• 6.3 個體分類器的構(gòu)造110-111
• 6.4 個體分類器的選擇111-113
• 6.5 實驗分析113-115
• 6.6 應(yīng)用實例115-116
• 6.7 本章小結(jié)116-118
• 第7章 總結(jié)與展望118-121
• 7.1 主要工作與創(chuàng)新點118-119
• 7.2 研究展望119-121
• 參考文獻121-134
• 致謝134-135
• 攻博期間發(fā)表和錄用的論文135-136
• 攻博期間參與的科研項目136-137
• 附錄一 MATLAB主要程序清單137-145
• 附錄二 變壓器故障診斷數(shù)據(jù)集145-147

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 郭桂治;辛永平;范春彥;;基于粗集層次分析法的一個改進[J];陜西師范大學(xué)學(xué)報(自然科學(xué)版);2007年S2期

2 苗強;竇艷杰;;基于粗支持向量機的區(qū)域創(chuàng)新能力評價研究[J];商業(yè)時代;2011年17期

3 董春游;曹志國;;基于Rough Set和灰色關(guān)聯(lián)度的煤炭企業(yè)評價方法[J];黑龍江科技學(xué)院學(xué)報;2006年06期

4 馮俊華;田程;;基于模糊分析的企業(yè)戰(zhàn)略聯(lián)盟決策模型研究[J];陜西科技大學(xué)學(xué)報(自然科學(xué)版);2009年04期

5 王彪;段禪倫;趙俊嵐;;一種基于粗糙集的小型電子商務(wù)挖掘模型[J];中國管理信息化(綜合版);2007年02期

6 李學(xué)遷;傅春;;基于粗糙集的項目后評價方法探究[J];基建優(yōu)化;2007年02期

7 黃覓;;數(shù)據(jù)挖掘在銀行個人客戶信用等級分類中的應(yīng)用分析[J];現(xiàn)代商貿(mào)工業(yè);2009年22期

8 麥范金;陸琳;梁業(yè)章;;基于粗糙集理論的旅游目的地評價方法研究[J];生態(tài)經(jīng)濟;2005年11期

9 馮征;;基于改進型神經(jīng)網(wǎng)絡(luò)的財務(wù)預(yù)警實證研究[J];山西財經(jīng)大學(xué)學(xué)報;2007年08期

10 章紀(jì)順;張潔;;基于粗糙集的數(shù)據(jù)挖掘及其在知識獲取中的應(yīng)用[J];浙江工貿(mào)職業(yè)技術(shù)學(xué)院學(xué)報;2007年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 汪海;鄧智芳;;3G運營支撐系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)[A];廣東省通信學(xué)會2006年度學(xué)術(shù)論文集[C];2007年

2 肖健梅;蘆曉明;王錫淮;;集裝箱起重機防搖系統(tǒng)粗糙集控制[A];第二十六屆中國控制會議論文集[C];2007年

3 李曉麗;王彤;杜振龍;;基于粗糙集理論的流數(shù)據(jù)最優(yōu)特征選擇[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2005年

4 聶力;王翰虎;;一個基于粗糙集理論的分類規(guī)則學(xué)習(xí)算法[A];第十六屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1999年

5 王旭陽;王彤;李明;;基于粗糙集理論的分類規(guī)則挖掘方法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2005年

6 劉永紅;薛青;鄭長偉;;基于粗糙集理論的C4ISR評估方法[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

7 趙明清;陶樹平;;基于模糊等價關(guān)系的粗糙集[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2003年

8 葛麗;傅彥;;粗糙集在科學(xué)數(shù)據(jù)屬性約簡中的應(yīng)用[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

9 陳楚湘;沈建京;陳冰;尚長興;王運成;;運用粗糙集理論建立中老年肺炎中醫(yī)癥候診斷標(biāo)準(zhǔn)[A];第二十九屆中國控制會議論文集[C];2010年

10 趙榮珍;楊娟;黃顯華;;粗糙集理論的故障知識發(fā)現(xiàn)及其工程應(yīng)用模式研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前9條

1 中國水利水電科學(xué)研究院水資源研究所所長、中國工程院院士 王浩;一部有創(chuàng)新性的力著[N];科技日報;2006年

2 ;櫛風(fēng)沐雨鑄輝煌 繼往開來譜華章[N];人民郵電;2006年

3 王瑋 蔡蓮紅;數(shù)據(jù)挖掘走入語音處理[N];計算機世界;2001年

4 ;模糊計算不“含糊”[N];計算機世界;2003年

5 本報記者 李智 通訊員 梁憲生;零的突破[N];山西經(jīng)濟日報;2001年

6 李磊;讓電子政務(wù)更聰明[N];計算機世界;2001年

7 記者 劉宏;模糊技術(shù)具有強大生命力[N];江西日報;2000年

8 重慶郵電學(xué)院黨委書記徐仲偉 院長 聶能;發(fā)揮學(xué)科優(yōu)勢 打造信息平臺[N];科技日報;2005年

9 閆春龍　邱云龍;宣鋼與北京工業(yè)大學(xué)共同申報發(fā)明專利[N];世界金屬導(dǎo)報;2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王莉;基于粗糙—模糊集成的分類知識發(fā)現(xiàn)[D];南京大學(xué);2013年

2 張國軍;基于粗糙集的相對屬性約簡算法及決策方法研究[D];華中科技大學(xué);2010年

3 馬君華;粗糙集屬性約簡和聚類算法及其在電力自動化中的應(yīng)用研究[D];華中科技大學(xué);2010年

4 歐健;汽輪發(fā)電機組振動故障集成診斷網(wǎng)絡(luò)模型及方法研究[D];重慶大學(xué);2004年

5 楊習(xí)貝;不完備信息系統(tǒng)中粗糙集理論研究[D];南京理工大學(xué);2010年

6 紀(jì)霞;不完備信息系統(tǒng)中粗糙集理論的擴展研究與應(yīng)用[D];安徽大學(xué);2010年

7 趙佰亭;混合決策系統(tǒng)的粗集模型及在轉(zhuǎn)臺故障診斷中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

8 湯建國;覆蓋粗糙集的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2012年

9 劉業(yè)政;基于粗糙集數(shù)據(jù)分析的智能決策支持系統(tǒng)研究[D];合肥工業(yè)大學(xué);2002年

10 叢蓉;作戰(zhàn)指揮決策支持系統(tǒng)目標(biāo)融合識別研究[D];大連理工大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李曉燕;平面一級倒立擺系統(tǒng)的智能控制策略研究[D];太原理工大學(xué);2005年

2 雷明;基于粗糙集理論的決策表壓縮[D];華北電力大學(xué)（北京）;2010年

3 張賢勇;粗糙集的數(shù)學(xué)基礎(chǔ)研究與兩個廣義粗糙集模型的探討[D];四川師范大學(xué);2004年

4 周勇;基于粗糙集和模糊集理論的綜合評價研究[D];西南交通大學(xué);2004年

5 呂望;基于粗糙集的車輛超載自動檢測方法研究[D];長沙理工大學(xué);2010年

6 田靜宜;基于粗糙集和神經(jīng)網(wǎng)絡(luò)的柴油機故障診斷研究[D];中北大學(xué);2011年

7 于興網(wǎng);粗糙集屬性約簡算法在數(shù)據(jù)挖掘中的研究[D];重慶大學(xué);2004年

8 魏悅亮;粗糙集在數(shù)據(jù)挖掘不確定性問題中的研究[D];中國石油大學(xué);2010年

9 袁曉娟;基于粒計算的雙論域粗糙集模型研究[D];蘭州大學(xué);2010年

10 武金艷;粗糙集與證據(jù)理論在醫(yī)療智能診斷系統(tǒng)中的應(yīng)用研究[D];湖南大學(xué);2010年

  本文關(guān)鍵詞：基于粗糙—模糊集成的分類知識發(fā)現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：270709