發(fā)布時(shí)間：2017-04-26 08:03

  本文關(guān)鍵詞：基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：方法或模型評(píng)估問(wèn)題普遍存在于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能等領(lǐng)域,在管理學(xué)領(lǐng)域,方法或模型評(píng)估問(wèn)題同樣不可忽視,是一個(gè)具有挑戰(zhàn)性的研究熱點(diǎn)和難點(diǎn)問(wèn)題。沒(méi)有免費(fèi)的午餐定理指出不存在普適性的最優(yōu)方法或模型,而決策者往往又十分關(guān)注最優(yōu)方法或模型以實(shí)現(xiàn)最優(yōu)決策,這一矛盾該如何調(diào)和呢?如何針對(duì)給定的目標(biāo)問(wèn)題或數(shù)據(jù)集,科學(xué)地選擇合適、高效的評(píng)估方法或模型以找尋最優(yōu)決策呢?另外,在數(shù)據(jù)挖掘領(lǐng)域,許多研究者大多將精力聚焦在設(shè)計(jì)新方法或新模型上,很少能夠?qū)ν诰虺龅慕Y(jié)果進(jìn)行深入地處理、分析和展示。用戶難以理解挖掘出的結(jié)果,可操作性的概率更低,造成知識(shí)及數(shù)據(jù)資源的無(wú)形浪費(fèi)。鑒于上述問(wèn)題,本文基于群決策理論,多目標(biāo)決策理論理論和數(shù)據(jù)挖掘理論,通過(guò)加強(qiáng)領(lǐng)域知識(shí)、專家經(jīng)驗(yàn)與多目標(biāo)決策方法相結(jié)合,針對(duì)數(shù)據(jù)挖掘分類和聚類方法的評(píng)估問(wèn)題進(jìn)行探討和深入研究。主要研究?jī)?nèi)容如下:(1)提出基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估理論框架。通過(guò)將領(lǐng)域知識(shí)、專家經(jīng)驗(yàn),群決策和多目標(biāo)決策理論引入到數(shù)據(jù)挖掘中,提出基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估理論框架。該方法評(píng)估理論框架由三大評(píng)估階段和六大模塊的組件構(gòu)成。(2)建立基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估理論框架的實(shí)證應(yīng)用�；诜椒ㄔu(píng)估理論框架,展開分類方法評(píng)估和聚類方法評(píng)估,并分別提出對(duì)應(yīng)的層次分析模型(AHM)和共識(shí)支持模型(CDMEC A),開展基于多目標(biāo)決策的數(shù)據(jù)挖掘的二次挖掘和知識(shí)發(fā)現(xiàn),以增強(qiáng)挖掘結(jié)果的易理解性與實(shí)用性。(3)文章通過(guò)把領(lǐng)域知識(shí)、專家經(jīng)驗(yàn)與多目標(biāo)決策方法AHP相結(jié)合,提出IAHP-GDM和EWAHP-GDM方法。在文中,文章首次把集結(jié)個(gè)體判斷矩陣(AI J)和集結(jié)個(gè)體排序(AIP)統(tǒng)一在AHP群決策模型中,擴(kuò)展和豐富了AHP群決策方法的集結(jié)技術(shù)。實(shí)證階段,通過(guò)與傳統(tǒng)的AHP群決策方法對(duì)比分析,驗(yàn)證了所提方法的有效性。并且,提出的EWAHP-GDM方法還被進(jìn)一步擴(kuò)展為一種確定準(zhǔn)則權(quán)重的方法,為后續(xù)章節(jié)的分類方法評(píng)估和聚類方法評(píng)估奠定扎實(shí)的研究基礎(chǔ)。(4)針對(duì)不同決策方法或模型其評(píng)估績(jī)效往往不一致甚至存在矛盾這一重難點(diǎn)問(wèn)題,文章基于二八定律展開二次挖掘,提出一個(gè)共識(shí)融合模型來(lái)選擇最佳聚類方法。在該模型中,決策參與者的整體滿意度被充分考慮,并進(jìn)行量化研究,且該模型能調(diào)和評(píng)估結(jié)果績(jī)效不一致的差異。
【關(guān)鍵詞】：方法或模型評(píng)估 多目標(biāo)決策 群決策 數(shù)據(jù)挖掘
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：C934
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-22
• 1.1 研究背景與意義11-12
• 1.2 研究問(wèn)題12-13
• 1.3 文獻(xiàn)綜述13-18
• 1.3.1 AHP群決策綜述13-15
• 1.3.2 知識(shí)驅(qū)動(dòng)的數(shù)據(jù)挖掘研究綜述15-16
• 1.3.3 基于多目標(biāo)決策的數(shù)據(jù)挖掘研究綜述16-17
• 1.3.4 方法評(píng)估研究綜述17-18
• 1.4 本文的主要貢獻(xiàn)與創(chuàng)新18-19
• 1.5 本論文的結(jié)構(gòu)安排19-22
• 第二章 理論基礎(chǔ)22-36
• 2.1 多目標(biāo)決策理論與方法22-27
• 2.1.1 多目標(biāo)決策理論22-23
• 2.1.2 多目標(biāo)決策方法23-27
• 2.2 群決策理論與方法27-31
• 2.2.1 群決策理論27-28
• 2.2.2 群決策方法28-31
• 2.3 數(shù)據(jù)挖掘理論與方法31-36
• 2.3.1 數(shù)據(jù)挖掘理論31-32
• 2.3.2 數(shù)據(jù)挖掘方法32-36
• 第三章 知識(shí)驅(qū)動(dòng)的多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估理論框架36-44
• 3.1 研究背景36-38
• 3.2 方法評(píng)估理論框架38-41
• 3.3 方法評(píng)估流程41-43
• 3.4 本章小結(jié)43-44
• 第四章 知識(shí)驅(qū)動(dòng)的AHP研究44-64
• 4.1 研究動(dòng)機(jī)44-45
• 4.2 AHP概述及其原理45-50
• 4.2.1 基本步驟46
• 4.2.2 建立決策層次結(jié)構(gòu)46-47
• 4.2.3 構(gòu)造兩兩對(duì)比判斷矩陣47-48
• 4.2.4 層次單排序48-49
• 4.2.5 一致性檢驗(yàn)49-50
• 4.2.6 層次總排序50
• 4.3 傳統(tǒng)的AHP群決策方法50-53
• 4.3.1 集結(jié)個(gè)體判斷矩陣51
• 4.3.2 集結(jié)個(gè)體排序51-53
• 4.4 改進(jìn)的AHP群決策方法（IAHP-GDM ）53-55
• 4.5 基于專家權(quán)重的AHP群決策方法（ EWAHP-GDM）55-58
• 4.6 實(shí)證分析58-61
• 4.6.1 決策層級(jí)結(jié)構(gòu)58-59
• 4.6.2 實(shí)證結(jié)果59-61
• 4.7 EWAHP-GDM方法定權(quán)重61-62
• 4.8 本章小結(jié)62-64
• 第五章 分類方法評(píng)估64-84
• 5.1 研究動(dòng)機(jī)64-65
• 5.2 分類概述65-66
• 5.3 分類方法66-74
• 5.3.1 Bayes Network方法66-67
• 5.3.2 Na?ve Ba yes方法67-68
• 5.3.3 Logistic回歸方法68-69
• 5.3.4 RBF Net work方法69
• 5.3.5 SMO方法69-70
• 5.3.6 IB1方法70
• 5.3.7 IBk方法70-71
• 5.3.8 J48方法71
• 5.3.9 NBTree方法71-72
• 5.3.10 Multi -Layer Perceptron方法72-74
• 5.4 分類方法的評(píng)估指標(biāo)體系74-75
• 5.5 應(yīng)用背景及相關(guān)數(shù)據(jù)75-76
• 5.5.1 德國(guó)信用數(shù)據(jù)集76
• 5.5.2 澳大利亞信用數(shù)據(jù)集76
• 5.6 基于方法評(píng)估理論框架的分類方法評(píng)估方案76-78
• 5.7 實(shí)證分析78-82
• 5.7.1 評(píng)估流程與步驟78
• 5.7.2 實(shí)證結(jié)果78-82
• 5.8 本章小結(jié)82-84
• 第六章 聚類方法評(píng)估84-101
• 6.1 研究動(dòng)機(jī)84-85
• 6.2 聚類概述85
• 6.3 聚類方法85-88
• 6.3.1 K-Means聚類方法86
• 6.3.2 EM聚類方法86-87
• 6.3.3 FarthestFirst聚類方法87
• 6.3.4 Hierarchlcal Cluste rer聚類方法87
• 6.3.5 MakeDensityBased Clusterer聚類方法87-88
• 6.3.6 Filtered Clustererer聚類方法88
• 6.4 聚類方法的評(píng)估指標(biāo)體系88-90
• 6.5 應(yīng)用背景及相關(guān)數(shù)據(jù)90-91
• 6.6 基于方法評(píng)估理論框架的聚類方法評(píng)估方案91-94
• 6.7 實(shí)證分析94-98
• 6.7.1 評(píng)估流程與步驟94-95
• 6.7.2 實(shí)證結(jié)果95-98
• 6.8 討論和分析98-99
• 6.9 本章小結(jié)99-101
• 第七章 總結(jié)與展望101-104
• 7.1 本文工作總結(jié)101-103
• 7.2 研究展望103-104
• 致謝104-105
• 參考文獻(xiàn)105-117
• 附錄117-157
• 攻讀博士學(xué)位期間取得的成果157-159
• 攻讀博士學(xué)位期間參與的科研項(xiàng)目159-160

  本文關(guān)鍵詞：基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：328028