文档介绍：&:
基于覆盖的粗糙模糊集模型及其分类研究摘要粗糙集理论、模糊集理论是信息系统中处理知识不确定和不完全的两种重要方法,是数据挖掘的重要工具。经典粗糙集理论是在年由波兰科学家阬域上的集合进行逼近。模糊集理论是在年由美国科学家淌谔岢龅模用隶属函数来描述个体属于模糊集合的隶属程度,强调个体的模糊性。两者在知基于等价关系产生的信息划分,应用范围有很大的局限。普通的模糊集理论不能同时包含个体属于模糊集合的信息,叉包含个体反对模糊集合的信息。等将论域上的划分推广到了论域上的覆盖,:母拍睿沟么植诩湍:砺鄣者各有其侧重点和优势。如何将覆盖近似空间与模糊集理论结合起来进行模糊分类是当今模糊集与粗糙集结台的一个重要研究课题。一些研究者针对覆盖近似空间中模糊集合的近似进×搜芯浚⑻岢隽艘恍┠P停ǘ加幸欢ǖ娜毕荩写完善。本文在此基础上提出了基于诱导覆盖的粗糙模糊集模型,研究了该模型的槟裳д咛岢龅娜忠延械母哺谴植谀:P停⒍匀呓辛松钊阅:ǘ茸魑2慰急曜迹履P陀胍延心P徒惺匝槎员龋ù教授提出的,、模式识割、机器学习等领域都取得了很大的成功。经典的粗糙集理论是应用范围更加广泛。粗糙集理论强调的是分类的边界,而模糊集理论强调的是个体的模糊性。两性质,并构造了相应的模糊分类器。丰要工作如下:分析。谏鲜瞿P偷幕∩咸岢鲆恢中碌幕谟盏几哺堑拇植谀:P停研究了该模型的性质。
关键词:诱导覆盖:模糊精度:粗糙模糊集诨谟盏几哺堑拇植谀:P蜕瞎乖煜嘤Φ姆掷嗥鳎⒎治銎溆诺恪模型拓展到覆盖租糙直觉模糊集模型。
鷖.“琾琾.,,.瓸痵⋯
弧厩鷉鷌篺.,—,篺
目录植诩⒛:砺鄣难芯肯肿矗植诩砺鄣幕靖拍罴捌湫灾植诩纳舷陆萍捌湎喙匦灾:蛹脑怂鉥:系脑怂阈灾蔩』广鑫卫“■“■曲。:摘要髀芯康哪谌莺湍康植诩砺鄣难芯肯肿矗植诩⒛:砺劢岷系难芯肯肿矗疚牡淖橹峁植诩⒏哺谴植诩湍:幕纠砺J队敕掷哺枪阋宕植诩砺鄣幕靖拍睿哺墙瓶占湎碌南喙囟ㄒ:砺鄣幕靖拍罴捌湫灾剩:系牧ナ艉:蛹脑怂慵捌湫灾菊滦〗诟哺堑拇植谀:P图捌湫灾忠延械母哺谴植谀:P图捌淙毕帜P偷亩ㄒ寮捌淙毕帜P椭涞能较谟盏几哺堑拇植谀:P¨¨挖他他移●..........
菊滦〗盏几哺谴植谀:P驮诜掷嘀械挠τ醚芯基于诱导覆盖的模糊分类器盏几哺堑淖獠谀:P陀糜诜掷嗟挠诺学位论文使用授权声明浙江师范大学学位论文诚信承诺书赜谟盏几哺堑南喙囟ㄒ粜透哺谴植谀:哪:植诙闹帜P褪笛槎员确治P屯卣本跄:直觉模糊集的定义本跄:诩脑怂谟盏几哺堑闹本醮植谀:延械母哺欠掷嗨惴菊滦〗∞蓦弘弘弘驰盯船鼯勰阳们“蛎帖们.
芯康哪谌莺湍康绪论⒋植诩砺邸、模糊集方法。‘”、决策树方法⋯”和神经网络方法㈨。随着知识的日新月异“,互联网的高速发展,当今社会已经成为一个信息爆和噪声,处理好缺省值,帆确定的样本中提取有用的信息,启发我们对未知的个般的情形——覆盖近似空间。在进行属性约简的时候,覆盖粗糙集模型只能对于中的概念之间存在交叉,决策的类本身是一个模糊的概念,亦此亦彼。对于一个决策是模糊的数据集,如果要利用覆盖近似空间进行约简,提取决策规则,或者炸的时期,无数的信息充斥着网络,如何从海量信息中获取我们所需要的信息,已经成为当今社会研究的一个重要内容;,这些在现实中都非常有意义。现有的实现分类的方法主要有:遗传算注等等,其中由波兰学者教授提出的粗糙集理论和美国学者淌谔岢的模糊集理论,对于数据进行分类和提取规则有很好的效果。实际的理论应用当中”,有时知识的概念之间存在交叉,并且所有的概念构成了论域上的一个覆盖,经典粗糙集理论不能进行直接处理,,研究者将粗糙集理论扩展到更一决策是清晰的情形进行研究,即娄与类之间是完全分离的,但是很多情况下知识进行分类,仪仪停留在了传统的集合层面上,那就把娄与类之间完全割裂了,达不到我们想要的效果,而模糊集理论对于覆盖粗糙集理论具有很强的互补性,可以对这种情形进行处理,所以有必要结合覆盖租糙集与模糊集的优点,在此基础上去处理知识的不确定性与不完整性,解决模糊边界的分粪问题。本论文的丰要工作是分析己有覆盖粗糙模糊集模型的优点及缺陷,,与已有的模型进行实验对比,井在此基础上拓展到覆盖糖糙直觉模糊集模型,最后构造相应的分类器,对决策是模糊的情形进行分类,更好的解决很多实际问题。
植诩⒛:砺鄣难芯肯肿植诩砺鄣难芯肯肿可利用的知识库的上下近似来描述的,反映的是不同类中的对象