基于粗糙集理論的不確定信息系統(tǒng)及其決策研究

1、基于粗糙集理論的不確定信息系統(tǒng)及其決策研究隨著云計算、大數(shù)據(jù)等新興信息技術的廣泛應用 , 各領域的數(shù)據(jù)急劇增長 , 這其中結構化數(shù)據(jù)仍然是數(shù)據(jù)的主要表現(xiàn)形式之一。 在這些數(shù)據(jù)中往往含有大量 冗余的與不確定性數(shù)據(jù) , 從而導致模式分類的處理能力與決策的辨識能力的降低。區(qū)間值型數(shù)據(jù)與直覺模糊型數(shù)據(jù)作為信息的不確定與不充分的表現(xiàn)形式是 兩種重要的結構化數(shù)據(jù)。 如何從這兩類不確定數(shù)據(jù)中發(fā)現(xiàn)有價值的信息和規(guī)律為 管理者提供決策參考 , 仍然是管理決策科學領域中的研究熱點之一。粗糙集理論作為數(shù)據(jù)挖掘領域中的重要方法之一 , 其最顯著的優(yōu)點是在于不 需要提供解決問題所需要的數(shù)據(jù)以外的先驗知識 , 只要面向數(shù)

2、據(jù)本身提供的信息 就可以實現(xiàn)對數(shù)據(jù)的分類與決策規(guī)那么的獲取等任務。 該理論已經被成功地應用于 機器學習、數(shù)據(jù)挖掘、決策分析等諸多領域。經典的粗糙集模型是建立在等價關系根底之上的 , 要求相對較為嚴格 ,處理 不確定性數(shù)據(jù)存在著局限性。因此 , 經典粗糙集模型的各種擴充對于不確定信息 系統(tǒng)的知識約簡與決策規(guī)那么的獲取具有極其重要的意義。本文以粗糙集為工具 , 結合國內外的研究現(xiàn)狀 , 較為系統(tǒng)的研究了單粒度與 多粒度背景下區(qū)間值信息系統(tǒng)與直覺模糊信息系統(tǒng)的屬性約簡及其決策規(guī)那么的 獲取問題 , 同時面向交通事故因素關聯(lián)分析問題構造了一種群決策屬性粗糙集模 型并加以應用。本文的主要創(chuàng)新性工作如下

3、:(1) 分析了現(xiàn)有的容差關系在區(qū)間值 聚類中的缺乏 , 本文構建了一種模糊等價關系 , 基于此關系分別從單粒度與多粒 度視角建立了區(qū)間值信息系統(tǒng)的粗糙集模型 , 給出分辨矩陣、屬性約簡的判定定 理及其屬性約簡的方法 , 基于模糊等價關系定義了區(qū)間值決策系統(tǒng)上的決策規(guī)那么 置信度因子 , 給出了決策規(guī)那么的支持定理及其決策規(guī)那么的獲取方法(2) 分別從單粒度與多粒度角度建立了直覺模糊信息系統(tǒng)的粗糙集模型。定 義了直覺模糊信息系統(tǒng)上的偏序關系及其分辨矩陣 , 給出了有效的屬性約簡方法。 基于直覺模糊決策系統(tǒng)的分類質量給出了相對屬性約簡的計算方法 , 研究了 相對屬性重要度以及序決策規(guī)那么的提取方

4、法 , 建立了直覺模糊信息系統(tǒng)的樂觀多 粒度與悲觀多粒度兩種模型 , 分析了相應的性質及其與單粒度模型的聯(lián)系與區(qū)別 給出了基于多粒度序關系的決策規(guī)那么置信度因子及其決策規(guī)那么的獲取方法。 (3) 現(xiàn)有的粗糙集模型在處理不協(xié)調直覺模糊決策系統(tǒng)時會使下近似包含對象的個 數(shù)很少, 影響了確定性決策規(guī)那么的獲取。本文定義了直覺模糊決策系統(tǒng)的協(xié)調度并提出了一種變協(xié)調度粗糙集模型 , 通過調節(jié)協(xié)調水平的大小允許局部被遺漏的對象進入下近似集中 , 分析了該模型 的相關性質 , 定義了協(xié)調水平下直覺模糊決策系統(tǒng)的分類質量并給出了相應的約 簡方法與最優(yōu)決策規(guī)那么獲取方法。 (4) 以交通事故歷史統(tǒng)計數(shù)據(jù)為背景 , 分析了現(xiàn) 有的單決策屬性粗糙集模型在處理交通事故成因分析中的局限性 , 本文構建了一 種群決策屬性粗糙集模型 , 分析了該模型的性質及其與單決策屬性粗糙集模型的 關系,基于該模型