文档介绍:合肥I业人学j11ifjl仑史 摘耍摘要智能决策支持系统(11)SS)是决策支持系统(DSS)引入人工智能技术后ft9产物,是目前DSS的前沿研究领域,数据挖掘是提高其决策支持能力的一种重要:F具和手段,研究数据挖掘的相关理论与方法及其在IDSSr{I的应用具有重要的理论意义和实用钕瞧了</数据挖掘是从大量的历史数据中发现隐含的、有潜在应用价值并最终能被人理解的知识的过程。在决策领域,人们所面剥的数据往往具有不确定性和不完整性,从这类数掘中发现知识是一个非常困难的问题。本文从数据挖掘的基本概念入手,分析数据挖掘过程中面列的不确定性问题的特点,在深入比较多利,不确定性理沦的优缺点情况下提出了应用拳兀糙集理沦的解决方案,研究了粗糙集理论的扩展模型及计算方法、数据预处理、知识约简、决策分析等问题。、俱体的研究内容如下:1、粗糙集理论扩展模型。本文从剥象的不可分辨关系出发,讨论了信息系统的经典粗糙集模型,并针刘经舆料糙集模型存在fF3x,3‘噪音敏感等缺陷,提出了暴于隶属度_手|】微差距离的可变精度微差关系()模型,该模型不仅能够处理含有噪音的不完全信息系统,其结果也能反映大量数据所满足的统计规律,使粗糙集理论的应用范围更,“、适应性更强。2、VP—MD模型的计算方法。,3t-tJ‘对最小属性约简和最小值约简这两个NP问题提出了基于属性上下文敏感度的启发式属性约简算法--CSBARK算法和基于值核的最小舰则集求解算法。前者利用微差距离计算属性的加权特征差、利用互信息计算值差,从而求出各条件属性的上下文敏感度,该值既反映了对应的条件属性的重要性,同时还反映了该属性与其它属性的关联程度;后者利用值核在生成规则过程中的重要作用,结合推理过程中的逻辑关系求解最小决策规则集,并给出了规则的评价指标支持度和信度的计算方法。3、本文从多方面研究了数据挖掘过程中的数据预处理问题:(1)连续属性离散化。本文将离散化问题转化为分割点的寻优问题,综合考虑多个属性之fHJ的依赖关系,利用遗传算法寻找给定区间数的最优分割点,利用粗糙集理论的基本分类思想,删除冗余分割点。(2)概念泛化。对常用的概念树爬升方法进行了改进,利用属性的分类能力控制概念泛化程度,防止过度泛化。(3)空值估算。划于不完全信息系统,本文利用粗糙集扩展模型,在充分考虑数摘篮据棚容性和属性依赖性的情况卜,x,J锹失值进行了有效的估算,既防止了删除含有空值的对象,使系统缺少典型性,又防止出现过多的、扩展的完全系统。4、针对已获得的最小规则集和给定的新的决策对象,本文利用对象在规则集中的满足情况研究了一种新的刈象分类方法。5、为了提高GDSS决策能力,本文提出了将粗糙集理论与层次分析法相结合的思想,*fJII]fH糙集理论所确定的属性M的依赖关系,分析应用系统运行所积累的人量数据中各决策因素、决策者对决策目标的影响,构造具有完全一致性的个体判断矩阵和综合判断矩15乍,建立I:l学****系统,克服决策者主观因素对决策结果的影响。6、在上述:I:作的丛{ijl{』:,术文研究了基于粗糙集数据分析(RSDA)的智能次策支持系统的体系结构,详细论述了RSDA—DSS的设计与实现,该系统可根据用户的定义完成多种粗糙集模型的数士【i:分析方法:通过实例分析了RSDA在决策支持系统方而的应用,同时将咳系统成加J二疾病治疗方案的优化,拓展了RSDA的应加领域。论文研究成果祖■定程度上解决了从不确定信息系统和不完全信息系统中发现知谚{的闽题,Y,oRSDA在决策tI一的应用提供了更加广阔的空删。,/关键词:数据挖掘,相糙集数据分析,智能决策支持系统,知以约简,数据预处理台肥T业大学博f。论文 ABSrRACrABSTRACTIntelligentDecisionSupportSystems(IDSS),binationofdecisionsupportsystemsandartificialintelligence,·trivial,previouslyunknown,,,