本文關鍵詞：基于決策粗糙集的代價敏感多類分類模型與多目標決策，，由筆耕文化傳播整理發(fā)布。

【摘要】：粗糙集理論是波蘭學者Z.Pawlak于1982年提出的一種能夠有效處理不精確和不確定信息的數學工具。該理論把知識看作是不可分辨關系,并引入上、下近似的概念來刻畫知識的不確定程度。經典粗糙集中上、下近似集由等價類與概念類的代數包含關系定義,在此基礎上進一步定義了正域、負域和邊界域的概念,但是缺乏對這些概念的語義解釋。決策粗糙集模型是經典粗糙集模型的概率推廣,將經典粗糙集模型中的代數包含關系拓展為可調的概率包含關系。三支決策(Three-way Decision)是決策粗糙集在方法論層次上的進一步提升,基于符合人類認知的決策模式,給出了粗糙集正域、負域和邊界域的三支決策語義解釋。它認為：人們在實際決策過程中,對于具有充分把握接受或拒絕的事物能夠立即做出快速的判斷；對于那些不能立即做出決策的事物,人們往往會推遲對事件的判斷,即：延遲決策。因此,三支決策模型將邊界域看作是一種延遲決策,從而減少了錯誤拒絕或錯誤接受造成的損失,符合人們在決策過程中的思維習慣,具有很大的優(yōu)越性。目前,三支決策理論已成功應用在多個領域中,如醫(yī)療系統(tǒng)、風險投資、教學評價等領域。但是現有的三支決策存在以下兩個問題：1)大多數的研究與應用都是假設兩類分類問題存在,然而在真實決策中這種假設并不合理。因此必須考慮多類分類問題。如醫(yī)生診斷病人時并不僅僅是判斷病人是否患有感冒,而是希望能夠判斷病人是患感冒,還是患肺炎,或其他疾病。2)大多數研究只是針對一個決策目標,即單目標決策,然而在實際應用中存在很多多目標決策的問題。為此本文基于決策粗糙集,改善了多類分類模型與多目標決策,主要研究內容如下：(1)基于決策粗糙集模型,借鑒三支決策的思想,通過增加延遲決策類,將m個多類分類問題變?yōu)閙+1個多類分類問題,提出一種新的基于決策粗糙集的代價敏感的多類分類模型。該模型根據最小風險貝葉斯決策準則,既考慮了不同決策類的誤分類代價是不同的,即具有代價敏感性,又使得最終的決策結果不存在沖突,并用實例與實驗驗證了該模型的有效性。在該模型的基礎上,給出了分布式約簡算法。(2)基于單目標三支決策,借鑒多粒度粗糙集模型中樂觀與悲觀的概念,定義了雙目標條件下的樂觀與悲觀決策。最終通過加權代價函數,并運用貝葉斯風險決策提出了基于三支決策的多目標風險決策模型,并給出相應的決策規(guī)則。同時在多目標決策的基礎上討論了雙目標決策的決策域的劃分,給出了雙目標決策域的計算方法。最后,用實例驗證了該模型的有效性。
【關鍵詞】：粗糙集 三支決策 多類分類 貝葉斯 約簡
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要3-5
• Abstract5-9
• 第一章 緒論9-14
• 1.1 研究目的和意義9-10
• 1.2 國內外研究現狀10-12
• 1.3 論文主要內容和組織結構12-14
• 第二章 決策粗糙集與三支決策基本理論14-21
• 2.1 決策理論粗糙集基本概念14-17
• 2.2 三支決策理論17-20
• 2.2.1 最小風險的貝葉斯決策17-18
• 2.2.2 三支決策18-20
• 2.3 本章小結20-21
• 第三章 決策粗糙集下的多類分類模型21-31
• 3.1 模型介紹21-24
• 3.2 類的重疊類型24-27
• 3.3 決策粗糙集下的多類屬性分布式約簡27-30
• 3.4 本章小結30-31
• 第四章 基于決策粗糙集的代價敏感的多類分類模型31-55
• 4.1 模型介紹32-36
• 4.2 實例分析36-41
• 4.3 代價敏感多類分類模型的類與類的關系41-49
• 4.4 代價敏感多類分類模型的分布式約簡算法49-53
• 4.5 本章小結53-55
• 第五章 基于三支決策的多目標決策55-66
• 5.1 模型介紹56-59
• 5.2 實例分析59-64
• 5.3 本章小結64-66
• 第六章 總結與展望66-68
• 參考文獻68-72
• 附錄A 圖索引72-73
• 附錄B 表索引73-74
• Appendix A Figure index74-75
• Appendix B Table index75-76
• 致謝76-77
• 攻讀碩士學位期間發(fā)表的學術論文77-78
• 攻讀碩士學位期間參加的科研項目78

【相似文獻】

中國期刊全文數據庫 前10條

1 李宏;李翔;吳敏;陳松喬;易麗君;;基于閉合模式的高維基因表達譜多類分類[J];中南大學學報(自然科學版);2008年05期

2 朱幫助;林健;;基于支持向量數據描述的無標簽數據多類分類[J];智能系統(tǒng)學報;2009年02期

3 劉磊;;多類分類支持向量機方法研究[J];福建電腦;2010年08期

4 李永新;薛貞霞;;最大間隔橢球形多類分類算法[J];計算機工程;2010年07期

5 吳杉;于亞征;;基于正態(tài)層次支持向量機的多類分類研究[J];焦作大學學報;2008年01期

6 孔波;鄭喜英;;支持向量機多類分類方法研究[J];河南教育學院學報(自然科學版);2010年02期

7 汪洋;陳友利;劉軍;莫智文;王甲鋒;;基于相似方向的二叉樹支持向量機多類分類算法[J];四川師范大學學報(自然科學版);2008年06期

8 劉志剛,李德仁,秦前清,史文中;支持向量機在多類分類問題中的推廣[J];計算機工程與應用;2004年07期

9 劉剛;;基于支持向量機的機械故障多類分類研究[J];機械管理開發(fā);2009年04期

10 周進登;王曉丹;;基于最小k近鄰錯分率編碼確定方法及其在多類分類中的應用[J];控制與決策;2011年09期

中國重要會議論文全文數據庫 前3條

1 閆曉飛;陳良臣;孫功星;;支持向量機多類分類算法的研究[A];第13屆全國計算機、網絡在現代科學技術領域的應用學術會議論文集[C];2007年

2 唐晉韜;王挺;;基于本體概念結構的SVM多類分類方法及其在本體自動擴充中的應用[A];2006年全國理論計算機科學學術年會論文集[C];2006年

3 刁智華;母媛媛;;一種基于馬氏距離的SVM決策樹多類分類算法[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

中國碩士學位論文全文數據庫 前10條

1 梁勃;光滑技術在多類分類問題中的應用[D];西安郵電大學;2015年

2 張大銀;基于類間差異性的多類多核學習研究[D];東南大學;2015年

3 魏貴瑩;基于決策粗糙集的代價敏感多類分類模型與多目標決策[D];安徽大學;2016年

4 羅迪君;基于核方法的糾錯輸出編碼多類分類算法改進[D];浙江大學;2006年

5 李紅艷;多類分類問題的快速算法[D];華中科技大學;2013年

6 郭世杰;基于支持向量機的多類分類問題的研究[D];上海師范大學;2005年

7 陳琳琳;基于遺傳參數優(yōu)化的模糊支持向量多類分類機及應用[D];重慶師范大學;2009年

8 張萌;總體錯誤率與孿生極端學習機[D];河北大學;2013年

9 孫奉永;基于決策樹的支持向量機多類分類方法研究[D];東北師范大學;2015年

10 牛硯波;多類分類支持向量機在嵌入式語音識別系統(tǒng)中的研究[D];太原理工大學;2012年

  本文關鍵詞：基于決策粗糙集的代價敏感多類分類模型與多目標決策，由筆耕文化傳播整理發(fā)布。

本文編號：291765