隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,數(shù)據(jù)處理越來越被人們所重視,通過分析數(shù)據(jù),可以得到很多對我們有用的信息,比如:分析投資理財?shù)臄?shù)據(jù)可以在決定投資前為我們提供風(fēng)險參考依據(jù)、分析用戶的購買以及瀏覽行為數(shù)據(jù)可以為商家提供精準推廣產(chǎn)品的依據(jù)。而在這些數(shù)據(jù)中又有很多是具有順序的,如學(xué)生成績考核、投資風(fēng)險等級評估、論文質(zhì)量考核等。粗糙集技術(shù)處理數(shù)據(jù)有其獨特的優(yōu)勢,它不需要提供除了數(shù)據(jù)以外的任何先驗信息,因此成為了處理數(shù)據(jù)的有效工具,而將粒計算的思想引入粗糙集則為數(shù)據(jù)處理指明了新的方向。在生活中,由于各種原因,所得到的數(shù)據(jù)往往是不全的,存在缺失或者遺漏的情況。本文考慮到數(shù)據(jù)的缺失、屬性模糊以及存在順序性的情況,采用粗糙集結(jié)合粒計算的方法,對相應(yīng)的模型進行了研究。具體工作如下:第一,改進了傳統(tǒng)的擴展優(yōu)勢關(guān)系,提出嚴格的擴展優(yōu)勢關(guān)系的定義。在嚴格關(guān)系的基礎(chǔ)上,建立新的多粒度粗糙集模型。傳統(tǒng)的優(yōu)勢關(guān)系是一種不嚴格的優(yōu)勢關(guān)系,文章首先引入了嚴格優(yōu)勢關(guān)系的概念,得到改進的擴展優(yōu)勢關(guān)系并討論了它的一些相關(guān)性質(zhì)。進一步從樂觀和悲觀兩個角度討論了多粒度粗糙集模型給出了相應(yīng)的定義。由于在現(xiàn)實生活中,每個屬性的重要度可能是不同的,因此考慮每個屬性的權(quán)重,提出了加權(quán)的基于改進的擴展優(yōu)勢關(guān)系多粒度粗糙集。第二,改進傳統(tǒng)的限制優(yōu)勢關(guān)系,提出了基于改進的限制優(yōu)勢關(guān)系多粒度粗糙集模型。傳統(tǒng)的限制優(yōu)勢關(guān)系是一種不嚴格的優(yōu)勢關(guān)系,因此,引入嚴格優(yōu)勢關(guān)系的概念,得到改進的限制優(yōu)勢關(guān)系。由于擴展優(yōu)勢關(guān)系在處理問題時條件過于寬松,在數(shù)據(jù)缺失比較多的時候錯誤率比較高,因此引入限制優(yōu)勢關(guān)系。從悲觀和樂觀兩個角度討論多粒度粗糙集模型并給出了相應(yīng)定義。最后考慮到每個屬性的重要度有時候是不一樣的,提出加權(quán)的基于改進的限制優(yōu)勢關(guān)系多粒度粗糙集模型。第三,對不完備模糊序信息系統(tǒng)已有的粗糙集模型進行拓展,在數(shù)據(jù)缺失不多的時候,結(jié)合擴展優(yōu)勢關(guān)系,提出基于擴展優(yōu)勢關(guān)系的多粒度粗糙集模型,分別考慮樂觀和悲觀兩種情況,給出相應(yīng)的模型定義。在數(shù)據(jù)缺失比較多時,采用限制優(yōu)勢關(guān)系的概念,提出基于限制優(yōu)勢關(guān)系的多粒度粗糙集模型。最后,討論了所提出的模型的粒度約簡、規(guī)則提取、屬性約簡,證明了它們所滿足的一些性質(zhì)。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：O159
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 IFOIS的MRS國內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 多粒度粗糙集研究現(xiàn)狀
        1.2.2 IFOIS研究現(xiàn)狀
    1.3 本文的主要貢獻與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 理論基礎(chǔ)
    2.1 不完備模糊序信息系統(tǒng)相關(guān)概念
    2.2 優(yōu)勢關(guān)系相關(guān)概念
    2.3 多粒度粗糙集相關(guān)概念
    2.4 模糊粗糙集相關(guān)概念
    2.5 知識約簡
        2.5.1 可辨識矩陣
        2.5.2 決策表屬性約簡
第三章 不完備序信息系統(tǒng)中基于改進的擴展優(yōu)勢關(guān)系多粒度粗糙集模型
    3.1 改進的擴展優(yōu)勢關(guān)系粗糙集模型
    3.2 改進的擴展優(yōu)勢關(guān)系樂觀、悲觀多粒度粗糙集模型
    3.3 加權(quán)的基于改進的擴展優(yōu)勢關(guān)系粗糙集模型
    3.4 數(shù)值算例與分析
    3.5 本章小結(jié)
第四章 不完備序信息系統(tǒng)中基于改進的限制優(yōu)勢關(guān)系多粒度粗糙集模型
    4.1 改進的限制優(yōu)勢關(guān)系多粒度粗糙集模型
    4.2 基于限制優(yōu)勢關(guān)系的樂觀、悲觀多粒度粗糙集模型
    4.3 加權(quán)的基于改進的限制優(yōu)勢關(guān)系多粒度粗糙集模型
    4.4 數(shù)值算例與分析
    4.5 本章小結(jié)
第五章 不完備模糊序信息系統(tǒng)中基于優(yōu)勢關(guān)系的多粒度粗糙集模型
    5.1 基于擴展優(yōu)勢關(guān)系的不完備模糊序信息系統(tǒng)多粒度粗糙集
    5.2 數(shù)值算例與分析
    5.3 基于限制優(yōu)勢關(guān)系的不完備模糊序信息系統(tǒng)多粒度粗糙集
    5.4 數(shù)值算例與分析
    5.5 本章小結(jié)
第六章 不完備模糊序信息系統(tǒng)的多粒度粗糙集的屬性約簡
    6.1 基于擴展優(yōu)勢關(guān)系的不完備模糊序信息系統(tǒng)多粒度粗糙集屬性約簡
    6.2 規(guī)則提取
    6.3 粒度的重要性度量
    6.4 本章小結(jié)
第七章 全文總結(jié)與展望
    7.1 全文總結(jié)
    7.2 后續(xù)工作展望
致謝
參考文獻
攻讀碩士學(xué)位期間取得的成果

【相似文獻】

相關(guān)期刊論文 前10條

1 解道錦;萬仁霞;王瑋琪;;變精度概率相容粗糙集模型[J];數(shù)學(xué)的實踐與認識;2018年05期

2 蔡克參;劉財輝;;元素最小描述并集下的概率粗糙集模型及其決策[J];數(shù)碼設(shè)計;2016年01期

3 黃衛(wèi)華;;基于等價關(guān)系的雙粒度粗糙集模型[J];云南民族大學(xué)學(xué)報(自然科學(xué)版);2017年01期

4 黃衛(wèi)華;;多粒度粗糙集模型[J];西南師范大學(xué)學(xué)報(自然科學(xué)版);2017年05期

5 周艷紅;莫智文;;基于覆蓋的精度與程度邏輯或粗糙集模型[J];模糊系統(tǒng)與數(shù)學(xué);2017年01期

6 陶志;潘麗平;何丹峰;;改進的模糊粗糙集模型[J];中國民航大學(xué)學(xué)報;2017年05期

7 徐怡;楊宏健;紀霞;姚晟;;基于鄰域的可變粒度粗糙集模型[J];小型微型計算機系統(tǒng);2016年07期

8 李少陽;李巧艷;宋衛(wèi)妮;;基于三角范數(shù)的變精度悲觀多粒度粗糙集模型[J];計算機工程與應(yīng)用;2016年17期

9 黃衛(wèi)華;楊國增;;面向缺失數(shù)據(jù)的多粒度粗糙集模型[J];鄭州師范教育;2016年04期

10 徐怡;李策;;基于多重閾值的變精度多粒度粗糙集模型[J];計算機工程與科學(xué);2016年08期

相關(guān)博士學(xué)位論文 前10條

1 嚴胡勇;擴展粗糙集模型及其在水質(zhì)富營養(yǎng)化評價中的應(yīng)用研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院重慶綠色智能技術(shù)研究院);2017年

2 魏大寬;不完備模糊決策信息系統(tǒng)粗糙集模型與知識約簡研究[D];南京理工大學(xué);2007年

3 孫士保;變精度粗糙集模型及其應(yīng)用研究[D];西南交通大學(xué);2007年

4 潘偉;多規(guī)則有序決策的粗糙集模型與熵方法[D];電子科技大學(xué);2017年

5 桑妍麗;基于信息粒度的決策粗糙集模型與方法[D];山西大學(xué);2017年

6 李華;多標記數(shù)據(jù)的粗糙集模型與算法研究[D];山西大學(xué);2017年

7 譚旭;擴展粗糙集模型及其在煙葉質(zhì)量預(yù)測與評價中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2009年

8 安爽;穩(wěn)健模糊粗糙集模型研究[D];哈爾濱工業(yè)大學(xué);2011年

9 黃正華;模糊粗糙集模型的若干拓展[D];武漢大學(xué);2010年

10 賽英;粗糙集擴展模型及其在數(shù)據(jù)挖掘中的應(yīng)用研究[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 郭欣;不完備模糊序信息系統(tǒng)的多粒度粗糙集模型拓展研究[D];電子科技大學(xué);2018年

2 段潔;基于鄰域模型的多標記學(xué)習(xí)[D];天津大學(xué);2017年

3 潘麗平;模糊粗糙集模型及其數(shù)據(jù)挖掘方法研究[D];中國民航大學(xué);2017年

4 胡羽;異常腺細胞形態(tài)學(xué)檢測方法及應(yīng)用[D];南昌航空大學(xué);2017年

5 姚邦生;幾種粗糙集模型推廣的研究[D];電子科技大學(xué);2017年

6 曹耀鑄;泛權(quán)多粒度粗糙集模型擴展研究[D];蘭州大學(xué);2017年

7 李麗;泛系并聯(lián)粗糙集模型的擴展[D];蘭州大學(xué);2017年

8 李策;基于多粒度粗糙集模型的擴展模型研究[D];安徽大學(xué);2016年

9 黃記林;基于不同知識顆粒的粗糙集模型研究[D];濟南大學(xué);2015年

10 楊宏健;面向混合數(shù)據(jù)的鄰域多粒度粗糙集模型和算法研究[D];安徽大學(xué);2015年

本文編號：2852721