导读:本文包含了基于优势关系的粗集方法论文开题报告文献综述及选题提纲参考文献，主要关键词:粗糙集,不完备偏序关系决策系统,条件先验概率优势关系,不确定性度量
基于优势关系的粗集方法论文文献综述
何丹峰[1]（2017）在《不完备系统中先验概率优势关系粗集模型及其数据挖掘方法研究》一文中研究指出粗糙集理论的出发点是根据现有的知识对未知信息进行划分,然后确定每一个划分类对某一概念的支持程度,并用正域、负域和边界域这叁个近似集合来表示,之后,通过属性约简和属性值约简算法获取决策规则。本文首先提出一种基于条件先验概率优势关系的粗糙集模型,此模型是建立在对不完备偏序关系决策系统属性值数据统计基础上的,既考虑到同一属性取值的不同情况又考虑到不同属性之间的关联性,使得各种先验信息能够充分利用,因此有效地提高了分类精度和分类质量。其次,由于基于知识粒度的不确定性度量方法不能精确、系统地反映系统的不确定性,为此本文提出一种新的基于边界域和知识粒度的改进粗糙熵。改进粗糙熵不仅考虑到因划分不精确所产生的不确定性,而且顾及到了由边界域的变化所带来的不确定性,从而使不确定性度量值的计算更加精确,为条件先验概率优势关系模型中不确定性度量问题的研究开拓了新的思路。最后,本文介绍了约简、分布约简和分配约简,并详细分析了叁者之间的关系和它们的性质。同时,提出了基于改进粗糙熵的启发式约简算法和基于目标分配矩阵的分配约简算法。理论分析表明,后者因在求取约简过程过于繁琐而降低了搜索效率,而前者在约简过程中,直接删除系统中不必要的属性,因此节省了搜索时间,提高了搜索效率。(本文来源于《中国民航大学》期刊2017-05-17）
朱煜明,史丽丽,韩青叶[2]（2016）在《基于优势关系粗糙集方法的通用航空产业重点发展项目分类研究》一文中研究指出构建了一种基于优势关系粗糙集方法的通用航空产业重点发展项目分类模型。该模型根据多标准决策分析(Multi-criteria Decision Analysis,MCDA)中的分类研究思想,结合GE矩阵评价方法,利用基于优势关系的粗糙集方法,从项目竞争力与项目吸引力两个方面建立指标体系,构建了通用航空产业重点发展项目分类模型。以陕西通用航空产业重点发展项目分类为案例,验证了该模型可以很好地解决局部信息缺失条件下的通用航空产业重点项目分类评价问题。(本文来源于《运筹与管理》期刊2016年03期）
邓维斌[3]（2015）在《不确定性信息处理的优势关系粗糙集方法研究》一文中研究指出由于客观世界本身所具有的复杂性、不稳定性和人们对其认识存在不完全性,在数据采集、录入、表述、编辑、处理、分析等过程中存在着各种误差.此外,在概念的定性与定量转换过程中会导致随机、模糊、未确知等不确定性数据产生,这些现象普遍存在于金融、军事、经济、商业、工业控制、电信等诸多实际领域.数据的不确定性往往会使得数据挖掘的结果不可靠,甚至出现错误的结果.因此,对不确定性数据处理的理论和应用研究受到了越来越广泛的重视,并已成为智能信息处理的重要研究内容.粗糙集理论具有以确定的方法处理具有不一致、不精确和不完备等不确定性信息的能力,近年来已成为备受关注的新型智能信息处理方法.为了处理具有连续属性和优势关系的信息系统,Salvatore Greco和Roman Slowinski等学者提出了优势关系粗糙集理论.优势关系粗糙集理论以优势关系代替了经典粗糙集的不可分辨关系,更好地满足了描述实际问题中某些属性具有偏序关系和连续属性的需要.由于优势关系粗糙集可以有效处理等价关系和具有偏序关系的决策信息系统,现已成为经典粗糙集的一个很重要的扩展理论模型.它在投资风险评估、客户关系管理、地震震级评价、军事目标威胁评估、动车舒适度评价等方面己得到了成功应用.目前,优势关系粗糙集对不确定性信息的处理主要采用变精度模型,科学合理的变精度模型和变精度阈值的获取是其关键,且对其他不确定性信息处理方法的研究和在实际领域的应用研究也显得非常急迫.本文采用优势关系粗糙集研究不确定性信息处理问题,从变精度模型、不一致信息系统的一致化转换方法、数据驱动的自主式学习等角度进行理论研究,并将理论研究成果应用于解决电信客户价值评价等实际问题.归纳起来,本文的主要内容和创新性研究成果包括以下几个方面：(1)提出了一种基于包含度和支持度的变精度优势关系粗糙集模型,克服了已有模型的不足,对信息系统中的原始信息利用更加充分.通过对现有变精度优势关系粗糙集的两个主要模型VC-DRSA和VP-DRSA的分析,发现由于决策信息系统中不一致对象的存在.VC-DRSA模型在计算对象是否进入下近似时会出现矛盾的结果.而对于VP-DRSA模型,上并集或下并集边缘上的对象很难进入下近似,从而影响了对信息的充分利用.在分析了以上两种变精度模型对不一致信息处理不足的基础上,提出了一种基于包含度和支持度的变精度优势关系粗糙集模型,分析了该模型所具有的数学性质,并证明了用该模型所得到的下近似是VC-DRSA和VP-DRSA下近似的并集,上近似是这两种模型上近似的交集.这使得包含在下近似的对象更多和包含在上近似的对象变少,不确定性区域减小,近似分类质量得到提高.从而在一定程度上降低了信息系统在处理过程中的不确定性.学生综合评价的实例分析表明该模型能更加充分地利用信息系统所提供的有用信息.并通过在UCI等数据集上的实验验证了该模型有助于分类性能的提高.(第2章)(2)提出了一种将优势关系下的不一致信息系统进行一致化转换的算法,实现了一种处理不一致信息系统的新方法.对优势关系信息系统中对象的向下不一致性和向上不一致性进行了度量,进而提出了对象整体不一致性概念,并给出了对象整体不一致性的叁种度量准则,分别表示为α、ε和μ.在此基础上,提出了一种将优势关系下的不一致信息系统转换为一致信息系统的算法TIPStoC.该算法根据对象整体不一致性的大小,采用迭代方法每次将最不一致对象删除,直到信息系统变为一致.之后,在一致信息系统的基础上提取确定的决策规则进行分类预测.这是一种处理不一致信息系统的新方法,与其他方法相比的突出特点是能有效地将优势关系信息系统中的不一致信息识别出来.因此,该方法也可有效地处理军事和信息安全等领域中的离群值或孤立点的检测.(第3章)(3)提出了一种数据驱动的优势关系粗糙集自主式学习方法,有效地避免了知识获取过程中对先验知识的依赖,增强了优势关系粗糙集对不一致信息处理的适应性.在对优势关系决策信息系统的整体确定性、最大整体确定性、整体不确定性、最小整体不确定性特征进行度量的基础上,提出了度量各决策类集的最大确定性的准则和计算算法.并以各决策类集的最大确定性作为该决策类集的变精度阈值提出了一种数据驱动的自主式学习方法SL-DRSA该方法以各决策类集的最大确定性作为该类集的变精度阈值进行规则获取,避免了其他变精度模型对阈值选取的随意性问题和不断尝试而带来的计算复杂性问题.通过在UCI等数据集上的实验表明,该方法可实现根据数据集本身特性自主地确定各决策类集的变精度阈值,且表现出了较好的分类效果,特别是在不一致性较高的数据集中体现得比较突出.(第4章)(4)提出了一种面向领域的数据驱动的电信客户价值评价方法,该方法将领域专家先验知识和数据本身所具有的特征有效地结合起来,提高了电信行业客户关系管理的能力.首先借助领域专家的先验知识分别从客户当前价值和潜在价值两方面进行特征数据的提取、学习数据类别标定,而后以各决策类集的最大确定性作为变精度阈值进行自主式学习而获取决策规则.该方法有效地将领域专家的先验知识和数据本身特征进行了有机结合.由于电信客户数据量大且具有类别标定的学习数据难以获取,在训练数据集选择和类别标定过程中,采用了基于近邻熵的主动学习方法来最大限度地减少领域专家的工作量和提高对训练数据的选择质量.通过在实际运营商客户数据上的仿真实验对比,表明了该方法的有效性.这为电信运营商针对不同类型的客户采取不同的营销和服务策略奠定了坚实的基础,也为其他实际问题的解决提供了有益的借鉴.(第5章)(本文来源于《西南交通大学》期刊2015-04-01）
杜蕾[4]（2011）在《序信息系统知识约简的优势关系粗糙集方法》一文中研究指出经典粗糙集理论建立在等价关系对论域的分类的基础上,适用于离散型的完备信息系统的知识约简。国内外学者在这一方面做出了大量的研究,并取得了丰硕的成果。但在序信息系统中,属性值表达对象之间的优势关系,此时,经典粗糙集模型不再适用。为此,Greco等提出了优势关系粗糙集模型,用以处理序信息系统的知识约简问题。本文基于优势关系粗糙集理论,研究了几类序决策信息系统的属性约简与决策规则获取问题,研究内容主要分为以下几章:第二章主要介绍了优势关系粗糙集理论的基本知识,如序信息系统、优势关系、上、下近似、序决策规则和知识约简等,为后面的研究做好准备。第叁章研究了优势关系下序信息系统的协调约简问题。首先,给出协调约简的定义,并证明协调约简与L-约简和Q-约简是等价的。最后,给出一种计算协调约简的区分函数方法。第四章研究了不协调序决策信息系统的下近似约简问题。我们改进袁修久等作者提出的关于下近似约简的计算方法,并给出一种新的计算下近似约简的区分函数方法,同时验证了约简结果的正确性。第五章研究了模糊目标序信息系统的属性约简与优化序决策规则的获取问题。首先在序决策信息系统中定义模糊上(下)近似,由此定义由对象生成的叁类序决策规则,并讨论它们的确定度。然后定义对象的叁种类型的约简:下近似约简、上近似约简和区间近似约简,并给出相应的判定定理,且构造区分函数用于计算对象的叁类近似约简。基于对象的叁类约简,我们可以得到叁种类型的优化序决策规则。最后,讨论系统的相对约简,并给出具体的计算方法。第六章总结上面几章的主要内容,并对后续工作做出展望。(本文来源于《济南大学》期刊2011-05-31）
基于优势关系的粗集方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
构建了一种基于优势关系粗糙集方法的通用航空产业重点发展项目分类模型。该模型根据多标准决策分析(Multi-criteria Decision Analysis,MCDA)中的分类研究思想,结合GE矩阵评价方法,利用基于优势关系的粗糙集方法,从项目竞争力与项目吸引力两个方面建立指标体系,构建了通用航空产业重点发展项目分类模型。以陕西通用航空产业重点发展项目分类为案例,验证了该模型可以很好地解决局部信息缺失条件下的通用航空产业重点项目分类评价问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于优势关系的粗集方法论文参考文献
[1].何丹峰.不完备系统中先验概率优势关系粗集模型及其数据挖掘方法研究[D].中国民航大学.2017
[2].朱煜明,史丽丽,韩青叶.基于优势关系粗糙集方法的通用航空产业重点发展项目分类研究[J].运筹与管理.2016
[3].邓维斌.不确定性信息处理的优势关系粗糙集方法研究[D].西南交通大学.2015
[4].杜蕾.序信息系统知识约简的优势关系粗糙集方法[D].济南大学.2011
标签：粗糙集; 不完备偏序关系决策系统; 条件先验概率优势关系; 不确定性度量;