結(jié)合粗集的數(shù)據(jù)分析方法及應(yīng)用研究.pdf

1、上世紀(jì)80年代，Z.Pawlak提出了粗集達(dá)一不確定數(shù)據(jù)分析方法，進(jìn)一步補(bǔ)充了概率論、證據(jù)理論、模糊集理論等不確定數(shù)據(jù)分析理論。經(jīng)歷近30年的發(fā)展，粗集模型已被廣泛應(yīng)用于許多領(lǐng)域。它的優(yōu)點(diǎn)在于其能夠評(píng)估數(shù)據(jù)之間的依賴關(guān)系，而無需任何的先驗(yàn)信息。目前，粗集理論已成為智能信息處理領(lǐng)域的重要數(shù)學(xué)工具之一。大量已發(fā)表的文獻(xiàn)表明，數(shù)據(jù)約簡(jiǎn)與規(guī)則發(fā)現(xiàn)是粗集理論及應(yīng)用研究中的重要內(nèi)容。利用數(shù)據(jù)約簡(jiǎn)刪除不相關(guān)或冗余數(shù)據(jù)有時(shí)會(huì)有助于數(shù)據(jù)分析效率的提高。近

2、年來，隨著粗集理論與應(yīng)用研究的深入，結(jié)合粗集的多方法融合研究也逐漸引起了人們的重視。
　　 本文首先概述了粗集理論的背景以及粗集的理論基礎(chǔ)。選擇了數(shù)據(jù)分析中的連續(xù)屬性的離散化、多屬性決策中的權(quán)重確定以及支持向量機(jī)回歸預(yù)測(cè)問題，在借鑒前人研究經(jīng)驗(yàn)的基礎(chǔ)上，將粗集理論方法結(jié)合運(yùn)用于上述問題，主要完成以下工作：
　　 (1)分析了SOM神經(jīng)網(wǎng)絡(luò)聚類算法的流程。將自組織特征映射神經(jīng)網(wǎng)絡(luò)(SOM)與粗糙集理論中決策表不相容度的反饋

3、信息結(jié)合，應(yīng)用于信息系統(tǒng)或決策表中連續(xù)屬性的離散化。給出一種基于動(dòng)態(tài)SOM聚類的連續(xù)屬性離散化方法。該算法不僅可以處理一致決策表還可以處理不一致決策表。數(shù)據(jù)實(shí)驗(yàn)表明：與其他已有的幾種連續(xù)屬性離散化方法相比，本文提出的方法具有一定的優(yōu)點(diǎn)。
　　 (2)結(jié)合王國胤等提出的粗糙集模糊度的基礎(chǔ)上，給出一種屬性權(quán)重的定義。將其與TOPSIS方法融合，提出融合粗集屬性約簡(jiǎn)和模糊度賦權(quán)的TOPSIS方法，并推廣到多屬性群決策方法中。算例說明了