在“爆炸式”的大數(shù)據(jù)時(shí)代,實(shí)際生活中所產(chǎn)生的數(shù)據(jù)往往都具有質(zhì)量偏低的特點(diǎn),尤其在進(jìn)行數(shù)據(jù)決策處理時(shí),會(huì)產(chǎn)生很多不確定性問題。因此,在大數(shù)據(jù)和人工智能背景下,如何挖掘有效信息并正確處理這些不確定數(shù)據(jù)是當(dāng)下數(shù)據(jù)研究者們的重要研究方向之一。針對(duì)該問題,相繼出現(xiàn)了很多處理相關(guān)問題的方法和理論,其中三支決策理論（Three-way decision theory）是處理不確定性問題的熱門研究方法之一。三支決策的核心思想是將確定樣本劃分到對(duì)應(yīng)的正域、負(fù)域,同時(shí)將不確定樣本暫時(shí)劃分到邊界域中。針對(duì)傳統(tǒng)二支決策理論在數(shù)據(jù)分類過程中只進(jìn)行“接受”和“拒絕”的情況,三支決策為不確定數(shù)據(jù)增加了第三種決策選擇,分類決策結(jié)果不再只有“接受”與“拒絕”兩個(gè)選擇,而是對(duì)這部分?jǐn)?shù)據(jù)進(jìn)行延遲決策。也就是當(dāng)數(shù)據(jù)信息不足以支持進(jìn)行接受決策或者拒絕決策時(shí),則被暫時(shí)劃分到邊界域中,采取延遲決策,待后續(xù)挖掘更多合適信息時(shí),再做進(jìn)一步?jīng)Q策處理。因此,在數(shù)據(jù)決策過程中,三支決策理論可以有效的處理明確與不明確樣本,并且可以很好解決具有不確定信息的數(shù)據(jù)決策問題。但是在如何利用確定數(shù)據(jù)樣本指導(dǎo)不確定數(shù)據(jù)求解方面,還需要進(jìn)一步深度研究。為了... 

【文章來(lái)源】： 徐陽(yáng) 安徽大學(xué)

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

正域?qū)?yīng)的多層特征表示Figure3.1HierarchicalfeaturerepresentationofPOSregion

安徽大學(xué)碩士學(xué)位論文23和負(fù)域后，對(duì)于Spambase數(shù)據(jù)集來(lái)說(shuō)，正域?qū)?yīng)10層特征表示，負(fù)域?qū)?yīng)10層特征表示，形成10×10種特征表示組合，通過算法3-1對(duì)邊界域進(jìn)行驗(yàn)證后，為了更好的展示實(shí)驗(yàn)結(jié)果，我們以桿狀圖的形式進(jìn)行展示，在圖3.3(b)中可以清晰看出，正域?qū)?yīng)的第9層特征表示+(9)和負(fù)域?qū)?yīng)的第7層特征表示(7)劃分效果最好，即二者的組合可以更好的處理不確定的邊界域樣本，并且可以正確劃分500個(gè)不確定樣本；同理，對(duì)于Chess數(shù)據(jù)集，正域?qū)?yīng)5層特征表示，負(fù)域?qū)?yīng)4層特征表示，形成5×4種特征表示層組合，通過算法3-1對(duì)邊界域的驗(yàn)證，在桿狀圖3.1(c)種，可以清晰看出：正域?qū)?yīng)的第4層+(4)，負(fù)域?qū)?yīng)的第2層(2)是最優(yōu)的特征表示組合，可以有效劃分691個(gè)邊界域樣本。圖3.2Spambase數(shù)據(jù)集Figure3.2Spambasedataset圖3.3Chess數(shù)據(jù)集Figure3.3Chessdataset

安徽大學(xué)碩士學(xué)位論文23和負(fù)域后，對(duì)于Spambase數(shù)據(jù)集來(lái)說(shuō)，正域?qū)?yīng)10層特征表示，負(fù)域?qū)?yīng)10層特征表示，形成10×10種特征表示組合，通過算法3-1對(duì)邊界域進(jìn)行驗(yàn)證后，為了更好的展示實(shí)驗(yàn)結(jié)果，我們以桿狀圖的形式進(jìn)行展示，在圖3.3(b)中可以清晰看出，正域?qū)?yīng)的第9層特征表示+(9)和負(fù)域?qū)?yīng)的第7層特征表示(7)劃分效果最好，即二者的組合可以更好的處理不確定的邊界域樣本，并且可以正確劃分500個(gè)不確定樣本；同理，對(duì)于Chess數(shù)據(jù)集，正域?qū)?yīng)5層特征表示，負(fù)域?qū)?yīng)4層特征表示，形成5×4種特征表示層組合，通過算法3-1對(duì)邊界域的驗(yàn)證，在桿狀圖3.1(c)種，可以清晰看出：正域?qū)?yīng)的第4層+(4)，負(fù)域?qū)?yīng)的第2層(2)是最優(yōu)的特征表示組合，可以有效劃分691個(gè)邊界域樣本。圖3.2Spambase數(shù)據(jù)集Figure3.2Spambasedataset圖3.3Chess數(shù)據(jù)集Figure3.3Chessdataset

【參考文獻(xiàn)】：
期刊論文
[1]基于三支決策的不平衡數(shù)據(jù)過采樣方法[J]. 胡峰,王蕾,周耀.  電子學(xué)報(bào). 2018(01)
[2]基于CCA的代價(jià)敏感三支決策模型[J]. 張燕平,鄒慧錦,趙姝.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2015(02)
[3]分層遞階的模糊商空間結(jié)構(gòu)分析[J]. 張清華,王國(guó)胤,劉顯全.  模式識(shí)別與人工智能. 2008(05)

碩士論文
[1]基于商空間的粒計(jì)算及其在數(shù)據(jù)挖掘中的應(yīng)用[D]. 梁遠(yuǎn)銀.四川師范大學(xué) 2013



本文編號(hào)：2966900