本文關鍵詞：區(qū)間直覺模糊信息系統(tǒng)的不確定性度量與屬性約簡

  更多相關文章： 不確定性度量 區(qū)間直覺模糊信息系統(tǒng) 屬性約簡 粗糙集 區(qū)間直覺模糊熵

【摘要】：隨著數據獲取技術的發(fā)展和數據庫管理系統(tǒng)的廣泛應用，人們處理和分析數據的能力面臨巨大挑戰(zhàn)。那么如何從雜亂無章且具強干擾性的海量數據中挖掘出潛在、新穎、正確、有利用價值的知識，以改變“數據豐富，知識貧乏”的局面，也就成為了智能數據處理領域研究的重要研究課題。 面對各種紛繁復雜的信息系統(tǒng)，，在利用粗糙集理論處理這些系統(tǒng)時，由于系統(tǒng)本身和需要近似表達的集合都具有不確定性，因此對信息系統(tǒng)不確定性的研究成為粗糙集理論研究的主要課題之一。目前，經典信息系統(tǒng)和模糊信息系統(tǒng)的不確定性問題已經得到了很好的解決，基于經典信息系統(tǒng)和模糊信息系統(tǒng)的屬性約簡理論和方法也得到了迅速的發(fā)展和完善。但是隨著粗糙集理論的不斷推廣，同時也是適應實際應用的需要，決策信息系統(tǒng)也被進一步推廣，區(qū)間直覺模糊信息系統(tǒng)就是其中之一。然而，區(qū)間直覺模糊信息系統(tǒng)的不確定性度量，以及基于不確定度量的區(qū)間直覺模糊信息系統(tǒng)的屬性約簡，在現有的文獻中還少有涉及。因此，本文對區(qū)間直覺模糊近似空間的不確定性度量，以及基于度量的屬性約簡兩方面進行了系統(tǒng)的研究，主要工作如下： （1）在區(qū)間直覺模糊近似空間中，首先定義具有對稱性的區(qū)間直覺模糊上、下近似算子。其次，在Pawlak近似空間和區(qū)間直覺模糊近似空間中，分別給出了區(qū)間直覺模糊粗糙隸屬函數的定義，并討論了相關性質。然后利用區(qū)間直覺模糊粗糙隸屬函數的不同形式，給出了兩種度量粗糙區(qū)間直覺模糊集不確定性的方法。最后利用區(qū)間直覺模糊粗糙隸屬函數的區(qū)間直覺模糊熵，定義了區(qū)間直覺模糊粗糙集的模糊熵，并討論了區(qū)間直覺模糊粗糙集的模糊熵為零的充要條件，以及證明了在區(qū)間直覺模糊近似空間中經典集合和它的余集的粗糙度量是相等的，以此來說明定義的合理性。 （2）針對區(qū)間直覺模糊近似空間的信息度量進行研究，并利用信息度量給出決策信息系統(tǒng)的屬性約簡。首先，在直覺模糊集貼近度與熵之間關系的基礎上，定義了區(qū)間直覺模糊集的貼近度與模糊熵間的關系，在新定義的區(qū)間直覺模糊集的貼近度的基礎上，利用模糊近似空間的信息度量方法，給出區(qū)間直覺模糊近似空間的信息度量。其次，將區(qū)間直覺模糊關系下的信息系統(tǒng)劃分成區(qū)間直覺模糊信息粒子，在此基礎上獲得基于區(qū)間直覺模糊關系的不確定性度量與屬性約簡方法。然后，結合粒子劃分定義一種考慮了信息量函數具有補的性質的新的信息熵，并對其性質進行了研究。在不確定性度量討論的同時，給出了系統(tǒng)的屬性約簡算法。再次，給出了通過屬性集劃分出的粒子來考慮知識的不確定性的相對模糊熵，并提出了區(qū)間直覺模糊近似空間的約簡算法。最后，給出了區(qū)間直覺模糊近似空間中一種同時考慮集合和知識的不確定性的集成的不確定性度量方法。
【關鍵詞】：不確定性度量 區(qū)間直覺模糊信息系統(tǒng) 屬性約簡 粗糙集 區(qū)間直覺模糊熵
【學位授予單位】：遼寧工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O159
【目錄】：

• 摘要5-7
• Abstract7-11
• 1 緒論11-16
• 1.1 論文研究的背景及意義11-12
• 1.2 國內外研究現狀12-13
• 1.3 論文研究的主要內容13-14
• 1.4 論文結構14
• 1.5 論文創(chuàng)新點14-16
• 2 預備知識16-23
• 2.1 模糊集的相關理論16-17
• 2.1.1 模糊集的貼近度16
• 2.1.2 模糊集的熵16-17
• 2.2 粗糙集的相關理論17-23
• 2.2.1 粗糙集的基本概念17-20
• 2.2.2 不確定性的數字特征20-22
• 2.2.3 約簡22-23
• 3 區(qū)間直覺模糊近似空間中集合的不確定性度量23-37
• 3.1 基本知識23-26
• 3.2 區(qū)間直覺模糊熵26-28
• 3.3 區(qū)間直覺模糊集的粗糙隸屬函數28-31
• 3.4 粗糙區(qū)間直覺模糊集的不確定性度量31-33
• 3.4.1 基于模糊熵的不確定性度量31-32
• 3.4.2 基于區(qū)間直覺模糊熵的不確定性度量32-33
• 3.5 區(qū)間直覺模糊粗糙集的不確定性度量33-35
• 3.6 本章小結35-37
• 4 區(qū)間直覺模糊近似空間中信息系統(tǒng)的不確定性度量與屬性約簡37-56
• 4.1 基于貼近度的信息度量37-43
• 4.1.1 區(qū)間直覺模糊集的貼近度37-39
• 4.1.2 模糊近似空間的模糊信息度量39-40
• 4.1.3 基于模糊關系的不確定性度量算法40-43
• 4.2 基于區(qū)間直覺模糊關系的不確定性度量與屬性約簡43-46
• 4.3 基于新信息熵的不確定性度量及屬性約簡46-51
• 4.4 基于相對模糊熵的不確定性度量及屬性約簡51-53
• 4.5 集成的不確定性度量53-55
• 4.6 本章小結55-56
• 5 結論56-57
• 參考文獻57-60
• 攻讀碩士期間發(fā)表學術論文及參與科研情況60-61
• 致謝61-62
• 附錄 1 例 4.1 程序62-65
• 附錄 2 例 4.2 計算過程65-66

【參考文獻】

中國期刊全文數據庫 前10條

1 陳媛;楊棟;;基于信息熵的屬性約簡算法及應用[J];重慶理工大學學報(自然科學);2013年01期

2 彭振文;王周敬;;區(qū)間直覺模糊關系及其性質[J];海南師范大學學報(自然科學版);2008年04期

3 王培;魏翠萍;;一種區(qū)間直覺模糊熵的構造方法[J];計算機工程與應用;2011年02期

4 王艷平;孫靜;陳美薇;;區(qū)間直覺模糊粗糙集[J];計算機工程與應用;2011年24期

5 劉紀芹;史開泉;;基于知識含量的粗糙集不確定性度量[J];計算機科學;2007年07期

6 王國胤,于洪,楊大春;基于條件信息熵的決策表約簡[J];計算機學報;2002年07期

7 王國胤;張清華;;不同知識粒度下粗糙集的不確定性研究[J];計算機學報;2008年09期

8 王麗;馮山;;基于模糊粗糙集的兩種屬性約簡算法[J];計算機應用;2006年03期

9 楊偉萍;林夢雷;;區(qū)間直覺模糊信息系統(tǒng)中的信息粒度[J];計算機應用;2012年06期

10 朱江華;李海波;潘豐;;基于遺傳算法和模糊粗糙集的知識約簡[J];計算機仿真;2007年01期

本文編號：580544