基于證據(jù)理論與覆蓋粗糙集的分類研究.pdf

1、分類是數(shù)據(jù)挖掘領(lǐng)域中最為重要的一類問題。許多數(shù)據(jù)挖掘問題本質(zhì)上都可以等價(jià)地轉(zhuǎn)化為分類問題。粗糙集理論和證據(jù)理論都是處理不確定問題的重要工具。證據(jù)理論用基本概率分配函數(shù)、信任函數(shù)、似真度函數(shù)處理不確定性問題,在分類挖掘中具有自身的優(yōu)勢(shì)。粗糙集理論處理不確定問題的優(yōu)點(diǎn)在于不需要先驗(yàn)信息,在分類挖掘領(lǐng)域得到廣泛應(yīng)用。然而在許多實(shí)際分類問題中,對(duì)象之間往往構(gòu)成覆蓋關(guān)系,致使Pawlak粗糙集模型的應(yīng)用受到限制,不能有效地對(duì)待識(shí)別樣本分類,很多論

2、文將Pawlak粗糙集模型拓展為覆蓋粗糙集。為保留Pawlak粗糙集模型特有的優(yōu)良性質(zhì),有必要對(duì)覆蓋粗糙集模型進(jìn)行合理有效的轉(zhuǎn)化。由于粗糙集理論未能包含處理不精確或不確定的原始數(shù)據(jù)的機(jī)制,它與證據(jù)理論有很強(qiáng)的互補(bǔ)性,并能有效解決證據(jù)理論研究問題帶來的一些問題。
　　 首先,論文介紹了證據(jù)理論與覆蓋粗糙集分類的研究背景和意義,簡(jiǎn)述了證據(jù)理論研究現(xiàn)狀、粗糙集理論研究現(xiàn)狀、覆蓋粗糙集的研究現(xiàn)狀及證據(jù)理論與覆蓋粗糙集之間關(guān)系的研究現(xiàn)狀;

3、接著介紹了Pawlak粗糙集理論和覆蓋粗糙集理論、證據(jù)理論的相關(guān)知識(shí)。
　　 其次,論文通過對(duì)鄰域覆蓋以及覆蓋導(dǎo)出的等價(jià)關(guān)系進(jìn)行研究,提出了覆蓋粗糙集的一種轉(zhuǎn)化新方法,新方法證明了由一個(gè)覆蓋可唯一導(dǎo)出一個(gè)劃分,由一個(gè)覆蓋與其覆蓋約簡(jiǎn)導(dǎo)出的劃分一致等結(jié)論,得出了由覆蓋導(dǎo)出的等價(jià)關(guān)系的近似算子更加細(xì)分等優(yōu)良性質(zhì),提高了集合的近似程度,然后通過實(shí)例進(jìn)一步驗(yàn)證了論文提出的轉(zhuǎn)化方法的優(yōu)越性。
　　 再次,論文對(duì)各種Pignisti

4、c概率轉(zhuǎn)換方法及證據(jù)理論的決策規(guī)則進(jìn)行研究,提出了基于規(guī)劃方法的相容概率決策規(guī)則,通過實(shí)驗(yàn)對(duì)比研究,進(jìn)一步驗(yàn)證了該決策規(guī)則的有效性,將此相容概率決策規(guī)則用于樣本的分類,更加直觀、準(zhǔn)確,有利于降低樣本分類的誤判率。
　　 最后,研究基于證據(jù)理論的覆蓋廣義決策規(guī)則及其分類方法。論文提出了基于證據(jù)理論與覆蓋的三種分類方法,即方法1,方法2,方法3,以及基于證據(jù)理論與覆蓋轉(zhuǎn)化的四種方法,即方法a,方法b,方法c與方法d。通過實(shí)例對(duì)各種分