文档介绍：他人已经发表或撰写过的研究成果,也不包含为获得——ⅲ喝导师签字退压王洙帛学位论文作者签名:王】肇钵甓氏Γ签字日期:年岁月日独创声学位论文版权使用授权书明本学位论文作者完全了解堂撞有关保留、使用学位论文的规定,有权保本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其没有其他需要特别声明的,本栏可空蚱渌逃沟难换蛑な槭褂霉牟料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权堂撞可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑解密后适用本授权书导师签签字日期:
基于粗糙集的流网络和决策算法研究摘要从数据集中对对象进行归纳学习和分类是人工智能中很重要的领域,旨在发现数据中隐藏的、未知的、潜在有用的知识,本质是在大的数据集合中寻找数据间的规则及普遍模式。近几年来,已经研究了很多基于归纳学习的理论,发展了许多技术来处理不精确的数据,其中最成功的是粗糙集理论,它是关于数据推理的一个强大的工具,已经被成功地应用于机器学习、知识获取、模式识别和决策支持系统等领域。粗糙集理论是年由波兰数学家甈淌谔岢隼吹模且恢执不完整、不确定信息的新型数学工具。由于粗糙集理论是利用数据集上的等价关系对知识的不确定程度进行度量,而无需提供所需处理的数据集合之外的任何先验信息,这样就避免了对知识的主观评价所带来的误差。所以利用粗糙集理论进行决策研究具有十分广泛的应用前景。属性约简和属性值约简是利用粗糙集理论从决策表中挖掘决策规则的基础,挖掘决策规则是粗糙集理论的重要研究领域之一。本文根据条件属性的重要度和区分矩阵来进行条件属性约简,找出有效约简。同时定义了决策表的不一致度,并根据条件属性重要度来进行属性值约简,在保持决策表不一致度不增加的前提下挖掘出决策规则,该决策规则集满足独立性、覆盖全域性、可接受性和一致性,即决策规则集为决策算法。本文还对粗糙集流网络进行了研究,并将粗糙集流网络、决策算法和贝叶斯定理结合了起来,最后构建了基于粗糙集和贝叶斯定理相结合的风险规则挖掘模型。本文主要做了以下工作:.芯苛舜植诩砺鄣幕局J叮樯芰舜植诩砺鄣募父龊诵母拍睿出了条件属性重要度和决策表不一致度的概念,为以后的属性约简和决策算法的挖掘奠定了基础。严晗柑致哿司霾咚惴ǖ男灾剩ü芯糠⑾郑霾咚惴闳ǜ怕使和贝叶斯定理。通过基于粗糙集的贝叶斯公式,只需要计算决策规则的强度,然后再计算每条决策规则的置信度和覆盖度即可,大大简化了计算的过程。谇志卣蟮幕∩希锰跫粜灾匾6冉惺粜栽技颍诒Vげ桓变决策表不一致度的前提下,给出了一种基于粗糙集的决策算法挖掘方法。该方法提取的决策算法是由决策表生成的覆盖所有对象的最小规则集。这也是本文的一个创新点。山东师范大学硕士学位论文
芯苛艘恢中碌木霾呓痰氖P鸵淮植诩魍纾隽魍缇褪一个决策算法,流网络满足贝叶斯公式,还研究了流网络的性质,并且把分支中强度、置信度和覆盖度的概念扩展到了路径和连接当中。么植诩允萁性技颍帽匆端苟ɡ硌盗吩技蚝蟮氖荩ù糙集理论和贝叶斯定理相结合,运用到项目的风险管理中,构建了基于粗糙集与贝叶斯定理相结合的风险规则挖掘模型。利用粗糙集理论进行决策分析还有许多问题值得探讨,本论文的研究肯定还有许多不完善的地方,相关工作还有待进一步研究。关键词:粗糙集;决策算法;流网络;数据挖掘;贝叶斯定理分类号:甈基于粗糙集的流网络和决策算法研究
锄癿綾鷘秓彤弘蛐∞一緄Ⅸ锄瓵,鷖觚琩舀ィ甊雒勰卸彻誸百瑃觚,如鷇瑂∞￡,,琾綢鏰甀琣,,...’珻,瑆痶.
,觚柚禿痶觚锄篟笋,痶╤∞;:
本文研究背景第乱信息是决策的基础,如何从大量的、不确定的、模糊的甚至是不完整的信息中获得有用的信息,即知识,是当前人工智能、数据挖掘及智能决策等领域研究的热点。由波兰科学家甈淌谟兰甏跆岢龅拇植诩砺畚解决此类问题提供了有力的数学工具。粗糙集理论是一种新型的处理不完整性和不确定性的数学工具【。租糙集理论具有一些独特的观点。这些观点使得粗糙集特别适合于进行数据分析。如【捌:知识的粒度性。粗糙集理论认为知识的粒度性是造成使用已有知识不能精确地表示某些概念的原因。通过引入不可区分关系作为粗糙集理论的基础,并在此基础上定义了上下近似等概念,粗糙集理论能够有效的逼近这些概念。新型成员关系。和模糊集合需要指定成员隶属度不同,粗糙集的成员是客观