基于證據(jù)理論與覆蓋粗糙集的分類研究.pdf_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

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。粗糙集理論處理不確定問題的優(yōu)點在于不需要先驗信息,在分類挖掘領(lǐng)域得到廣泛應(yīng)用。然而在許多實際分類問題中,對象之間往往構(gòu)成覆蓋關(guān)系,致使Pawlak粗糙集模型的應(yīng)用受到限制,不能有效地對待識別樣本分類,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。
   其次,論文通過對鄰域覆蓋以及覆蓋導(dǎo)出的等價關(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覆蓋可唯一導(dǎo)出一個劃分,由一個覆蓋與其覆蓋約簡導(dǎo)出的劃分一致等結(jié)論,得出了由覆蓋導(dǎo)出的等價關(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,然后通過實例進(jìn)一步驗證了論文提出的轉(zhuǎn)化方法的優(yōu)越性。
   再次,論文對各種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,通過實驗對比研究,進(jìn)一步驗證了該決策規(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。通過實例對各種分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論