【摘要】：在當(dāng)今社會(huì)中,決策已成為一種普遍的日常行為,并被廣泛應(yīng)用于各個(gè)領(lǐng)域。由于現(xiàn)實(shí)世界中存在著復(fù)雜多變性,從而導(dǎo)致了很多信息都是不確定和模糊的,包含著這些不確定性和模糊性信息的決策問(wèn)題,對(duì)人們的決策判斷造成了非常大的影響。為了能進(jìn)一步減少軟集正規(guī)參數(shù)約簡(jiǎn)方法中的搜索空間、更加全面的反映出軟集中的冗余信息、更好的處理大數(shù)據(jù)背景下的不確定性數(shù)據(jù),本文從關(guān)聯(lián)規(guī)則提取以及數(shù)據(jù)本身的角度出發(fā),分別提出了基于局部搜索的軟集最小正規(guī)參數(shù)約簡(jiǎn)方法和基于離散貢獻(xiàn)度的軟集參數(shù)約簡(jiǎn)啟發(fā)式方法,具體的研究?jī)?nèi)容如下:(1)針對(duì)軟集正規(guī)約簡(jiǎn)算法篩選候選參數(shù)約簡(jiǎn)集效率低和搜索的參數(shù)約簡(jiǎn)集結(jié)果不全面等問(wèn)題,提出了一種基于局部搜索的軟集最小正規(guī)參數(shù)約簡(jiǎn)算法。該方法通過(guò)引入頻度和、等價(jià)類和最小生成元概念來(lái)構(gòu)造軟集參數(shù)約簡(jiǎn)的最小候選集,并利用最小生成元分布在低冪集,最小生成元的超集不在最小候選集中等性質(zhì),給出基于局部搜索的軟集參數(shù)約簡(jiǎn)算法,可減少搜索空間和加速逐級(jí)搜索速度,從而提高了篩選候選參數(shù)約簡(jiǎn)集的效率及質(zhì)量,降低了已有的軟集參數(shù)約簡(jiǎn)算法的計(jì)算復(fù)雜度。通過(guò)實(shí)驗(yàn)進(jìn)行對(duì)比,驗(yàn)證了基于局部搜索的軟集最小正規(guī)參數(shù)約簡(jiǎn)算法搜索效率更高,結(jié)果更合理。(2)在研究基于0-1線性規(guī)劃的軟集參數(shù)約簡(jiǎn)方法的基礎(chǔ)上,考慮軟集的實(shí)際應(yīng)用背景,針對(duì)軟集正規(guī)參數(shù)約簡(jiǎn)算法在約簡(jiǎn)數(shù)據(jù)較大的軟集時(shí)效果較差的問(wèn)題,將軟集與概率論結(jié)合,給出軟集的軟標(biāo)準(zhǔn)差和約簡(jiǎn)路徑的概念,利用軟標(biāo)準(zhǔn)差提出一種軟集參數(shù)約簡(jiǎn)的啟發(fā)式算法。通過(guò)理論和實(shí)例證明了算法的完備性,將此方法和基于0-1線性規(guī)劃的軟集參數(shù)約簡(jiǎn)方法進(jìn)行對(duì)比分析,驗(yàn)證了基于離散貢獻(xiàn)度的軟集參數(shù)約簡(jiǎn)啟發(fā)式方法的可行性和正確性。
【圖文】：

圖 4.1 軟集的分層模型在以下兩種約束條件下將減小搜索空間，加快算法的速度： 如果存在e A，則設(shè) A E，使得 ( )FS A 。 如果 是軟集S 的 的最小候選集，那么它的超集是是 的最小候選集。述定義和結(jié)論，下面給出基于局部搜索的軟集參數(shù)約簡(jiǎn)算法的MPR algorithm集： S ( F,A)性集： 1 2 nU h ,h ,...,h數(shù)集： 1 2 mE e ,e ,...,e數(shù)候選集始化 k 1層可生成屬性集kGen 和可約簡(jiǎn)集 ，，即 kGen e n， ( ) ( ) 0H HRe s e A| S e or S e n；

① 參數(shù)候選集NENPR 算法找出的是一個(gè)基數(shù)最大的參數(shù)候選集，但如果出現(xiàn)幾同的最大候選集，如例 3.7 中所示以下三個(gè)最大參數(shù)候選集 4 6 7e ,e ,e ， 1e及 5 7 8e ,e ,e 都可以作為最大參數(shù)候選集，此時(shí)無(wú)論選擇哪一個(gè)集合作為候選集都不能完全的反映出參數(shù)候選集中的所有信息。而 MPR 算法通找出所有的最小候選參數(shù)約簡(jiǎn)集，有效的反映出軟集中所有可約簡(jiǎn)的冗② 搜索空間NENPR 算法從軟集 ( F ,E )中搜索出所有 A E，AS nq 的集合，再選集中尋找出最大的候選約簡(jiǎn)集，這是一個(gè)從 1 到|E|的全搜索。搜索大，呈指數(shù)級(jí)增長(zhǎng)，時(shí)間復(fù)雜度為 ( ( ))2 223 4 2 1m /m m mO C C ... C m /。算法通過(guò)局部搜索分層算法以搜索樹的方式快速地找出所有滿足 的所有最小候選集，搜索空間較小。③ 實(shí)驗(yàn)結(jié)果將 MPR 算法和 NENPR 算法在不同的對(duì)象和參數(shù)個(gè)數(shù)情況下進(jìn)一能測(cè)試，比較結(jié)果如圖 4.6 至圖 4.9 所示。
【學(xué)位授予單位】：青海師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：O225

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 吳小太;;概率論與數(shù)理統(tǒng)計(jì)教學(xué)淺談[J];科技創(chuàng)新導(dǎo)報(bào);2015年25期

2 于洪;王國(guó)胤;姚一豫;;決策粗糙集理論研究現(xiàn)狀與展望[J];計(jì)算機(jī)學(xué)報(bào);2015年08期

3 鄒艷;肖智;龔科;;基于最優(yōu)選擇對(duì)象不變的軟集合參數(shù)約簡(jiǎn)[J];系統(tǒng)工程學(xué)報(bào);2009年04期

4 熊偉清;魏平;;二進(jìn)制蟻群進(jìn)化算法[J];自動(dòng)化學(xué)報(bào);2007年03期

5 曲開社;翟巖慧;;偏序集、包含度與形式概念分析[J];計(jì)算機(jī)學(xué)報(bào);2006年02期

相關(guān)博士學(xué)位論文 前2條

1 耿生玲;軟集理論及其在知識(shí)獲取中的應(yīng)用研究[D];陜西師范大學(xué);2013年

2 馮鋒;基于軟集的不確定理論融合研究[D];陜西師范大學(xué);2012年

相關(guān)碩士學(xué)位論文 前2條

1 劉陽(yáng)帆;基于模糊軟集的決策方法研究[D];蘭州理工大學(xué);2018年

2 王雪勤;基于軟集理論的多屬性決策方法研究[D];蘭州理工大學(xué);2016年

本文編號(hào)：2638902