不確定性信息處理的優(yōu)勢(shì)關(guān)系粗糙集方法研究.pdf

1、由于客觀世界本身所具有的復(fù)雜性、不穩(wěn)定性和人們對(duì)其認(rèn)識(shí)存在不完全性，在數(shù)據(jù)采集、錄入、表述、編輯、處理、分析等過(guò)程中存在著各種誤差.此外，在概念的定性與定量轉(zhuǎn)換過(guò)程中會(huì)導(dǎo)致隨機(jī)、模糊、未確知等不確定性數(shù)據(jù)產(chǎn)生，這些現(xiàn)象普遍存在于金融、軍事、經(jīng)濟(jì)、商業(yè)、工業(yè)控制、電信等諸多實(shí)際領(lǐng)域.數(shù)據(jù)的不確定性往往會(huì)使得數(shù)據(jù)挖掘的結(jié)果不可靠，甚至出現(xiàn)錯(cuò)誤的結(jié)果.因此，對(duì)不確定性數(shù)據(jù)處理的理論和應(yīng)用研究受到了越來(lái)越廣泛的重視，并已成為智能信息處理的重要研

2、究?jī)?nèi)容.
　　粗糙集理論具有以確定的方法處理具有不一致、不精確和不完備等不確定性信息的能力，近年來(lái)已成為備受關(guān)注的新型智能信息處理方法.為了處理具有連續(xù)屬性和優(yōu)勢(shì)關(guān)系的信息系統(tǒng)，Salvatore Greco和Roman Slowinski等學(xué)者提出了優(yōu)勢(shì)關(guān)系粗糙集理論.優(yōu)勢(shì)關(guān)系粗糙集理論以優(yōu)勢(shì)關(guān)系代替了經(jīng)典粗糙集的不可分辨關(guān)系，更好地滿足了描述實(shí)際問(wèn)題中某些屬性具有偏序關(guān)系和連續(xù)屬性的需要.由于優(yōu)勢(shì)關(guān)系粗糙集可以有效處理等價(jià)關(guān)系

3、和具有偏序關(guān)系的決策信息系統(tǒng)，現(xiàn)已成為經(jīng)典粗糙集的一個(gè)很重要的擴(kuò)展理論模型.它在投資風(fēng)險(xiǎn)評(píng)估、客戶關(guān)系管理、地震震級(jí)評(píng)價(jià)、軍事目標(biāo)威脅評(píng)估、動(dòng)車舒適度評(píng)價(jià)等方面已得到了成功應(yīng)用.目前，優(yōu)勢(shì)關(guān)系粗糙集對(duì)不確定性信息的處理主要采用變精度模型，科學(xué)合理的變精度模型和變精度閾值的獲取是其關(guān)鍵，且對(duì)其他不確定性信息處理方法的研究和在實(shí)際領(lǐng)域的應(yīng)用研究也顯得非常急迫.
　　本文采用優(yōu)勢(shì)關(guān)系粗糙集研究不確定性信息處理問(wèn)題，從變精度模型、不一致信

4、息系統(tǒng)的一致化轉(zhuǎn)換方法、數(shù)據(jù)驅(qū)動(dòng)的自主式學(xué)習(xí)等角度進(jìn)行理論研究，并將理論研究成果應(yīng)用于解決電信客戶價(jià)值評(píng)價(jià)等實(shí)際問(wèn)題.歸納起來(lái)，本文的主要內(nèi)容和創(chuàng)新性研究成果包括以下幾個(gè)方面:
　　(1)提出了一種基于包含度和支持度的變精度優(yōu)勢(shì)關(guān)系粗糙集模型，克服了已有模型的不足，對(duì)信息系統(tǒng)中的原始信息利用更加充分.
　　通過(guò)對(duì)現(xiàn)有變精度優(yōu)勢(shì)關(guān)系粗糙集的兩個(gè)主要模型VC-DRSA和VP-DRSA的分析，發(fā)現(xiàn)由于決策信息系統(tǒng)中不一致對(duì)象的存在

5、，VC-DRSA模型在計(jì)算對(duì)象是否進(jìn)入下近似時(shí)會(huì)出現(xiàn)矛盾的結(jié)果.而對(duì)于VP-DRSA模型，上并集或下并集邊緣上的對(duì)象很難進(jìn)入下近似，從而影響了對(duì)信息的充分利用.在分析了以上兩種變精度模型對(duì)不一致信息處理不足的基礎(chǔ)上，提出了一種基于包含度和支持度的變精度優(yōu)勢(shì)關(guān)系粗糙集模型，分析了該模型所具有的數(shù)學(xué)性質(zhì)，并證明了用該模型所得到的下近似是VC-DRSA和VP-DRSA下近似的并集，上近似是這兩種模型上近似的交集.這使得包含在下近似的對(duì)象更多和

6、包含在上近似的對(duì)象變少，不確定性區(qū)域減小，近似分類質(zhì)量得到提高，從而在一定程度上降低了信息系統(tǒng)在處理過(guò)程中的不確定性.學(xué)生綜合評(píng)價(jià)的實(shí)例分析表明該模型能更加充分地利用信息系統(tǒng)所提供的有用信息，并通過(guò)在UCI等數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了該模型有助于分類性能的提高.
　　(2)提出了一種將優(yōu)勢(shì)關(guān)系下的不一致信息系統(tǒng)進(jìn)行一致化轉(zhuǎn)換的算法，實(shí)現(xiàn)了一種處理不一致信息系統(tǒng)的新方法.
　　對(duì)優(yōu)勢(shì)關(guān)系信息系統(tǒng)中對(duì)象的向下不一致性和向上不一致性進(jìn)行

7、了度量，進(jìn)而提出了對(duì)象整體不一致性概念，并給出了對(duì)象整體不一致性的三種度量準(zhǔn)則，分別表示為(α)、(ε)和(μ).在此基礎(chǔ)上，提出了一種將優(yōu)勢(shì)關(guān)系下的不一致信息系統(tǒng)轉(zhuǎn)換為一致信息系統(tǒng)的算法TIPStoC.該算法根據(jù)對(duì)象整體不一致性的大小，采用迭代方法每次將最不一致對(duì)象刪除，直到信息系統(tǒng)變?yōu)橐恢?之后，在一致信息系統(tǒng)的基礎(chǔ)上提取確定的決策規(guī)則進(jìn)行分類預(yù)測(cè).這是一種處理不一致信息系統(tǒng)的新方法，與其他方法相比的突出特點(diǎn)是能有效地將優(yōu)勢(shì)關(guān)系信息

8、系統(tǒng)中的不一致信息識(shí)別出來(lái).因此，該方法也可有效地處理軍事和信息安全等領(lǐng)域中的離群值或孤立點(diǎn)的檢測(cè).（第3章）
　　(3)提出了一種數(shù)據(jù)驅(qū)動(dòng)的優(yōu)勢(shì)關(guān)系粗糙集自主式學(xué)習(xí)方法，有效地避免了知識(shí)獲取過(guò)程中對(duì)先驗(yàn)知識(shí)的依賴，增強(qiáng)了優(yōu)勢(shì)關(guān)系粗糙集對(duì)不一致信息處理的適應(yīng)性.
　　在對(duì)優(yōu)勢(shì)關(guān)系決策信息系統(tǒng)的整體確定性、最大整體確定性、整體不確定性、最小整體不確定性特征進(jìn)行度量的基礎(chǔ)上，提出了度量各決策類集的最大確定性的準(zhǔn)則和計(jì)算算法.并以

9、各決策類集的最大確定性作為該決策類集的變精度閾值提出了一種數(shù)據(jù)驅(qū)動(dòng)的自主式學(xué)習(xí)方法SL-DRSA.該方法以各決策類集的最大確定性作為該類集的變精度閾值進(jìn)行規(guī)則獲取，避免了其他變精度模型對(duì)閾值選取的隨意性問(wèn)題和不斷嘗試而帶來(lái)的計(jì)算復(fù)雜性問(wèn)題.通過(guò)在UCI等數(shù)據(jù)集上的實(shí)驗(yàn)表明，該方法可實(shí)現(xiàn)根據(jù)數(shù)據(jù)集本身特性自主地確定各決策類集的變精度閾值，且表現(xiàn)出了較好的分類效果，特別是在不一致性較高的數(shù)據(jù)集中體現(xiàn)得比較突出.（第4章）
　　(4)提

10、出了一種面向領(lǐng)域的數(shù)據(jù)驅(qū)動(dòng)的電信客戶價(jià)值評(píng)價(jià)方法，該方法將領(lǐng)域?qū)＜蚁闰?yàn)知識(shí)和數(shù)據(jù)本身所具有的特征有效地結(jié)合起來(lái)，提高了電信行業(yè)客戶關(guān)系管理的能力.
　　首先借助領(lǐng)域?qū)＜业南闰?yàn)知識(shí)分別從客戶當(dāng)前價(jià)值和潛在價(jià)值兩方面進(jìn)行特征數(shù)據(jù)的提取、學(xué)習(xí)數(shù)據(jù)類別標(biāo)定，而后以各決策類集的最大確定性作為變精度閾值進(jìn)行自主式學(xué)習(xí)而獲取決策規(guī)則.該方法有效地將領(lǐng)域?qū)＜业南闰?yàn)知識(shí)和數(shù)據(jù)本身特征進(jìn)行了有機(jī)結(jié)合.由于電信客戶數(shù)據(jù)量大且具有類別標(biāo)定的學(xué)習(xí)數(shù)據(jù)難以獲