基于粗集的多知识库模型集成研究

摘要

粗糙集理论是20世纪80年代初由波兰数学家Pawlak Z.首先提出的一种新型的处理模糊和不确定知识的数学工具，其基本思想是在保持分类能力不变的前提下，通过知识约简，导出概念的分类规则。目前，已在数据挖掘、机器学习、模式识别、人工智能、故障检测、决策分析等方面得到了广泛的应用。
　　本文主要对于基于粗糙集理论产生多知识库方法及其决策融合的问题进行了研究。论文阐述了粗糙集产生多知识库的原理，给出了多知识库的形式化定义。同时描述了知识库中决策规则的多种度量，分析了它们体现的性质，并把这些度量指标引入到规则集中，研究了规则集合的决策度量，从整体上体现了一个规则集合的性能，为多知识库决策奠定了基础。
　　论文基于模型集成的基本理论，提出了把一个规则知识库作为一个决策模型，分析了模型网的构造与模型集成方法，通过模型集成实现决策融合，从而在模型一级实现了综合的决策过程。研究中对模型网的概念作了形式化定义，分析设计了模型网的构造方法。并给出了对模型网进行化简的算法，在此基础上研究了基于模型网的模型集成方法。由于在模型网构造的过程中，数据类型转换都是单一类型的，这将会导致生成的模型网具有回路，从而会使模型网的化简和模型集成方法失效。为此，研究了消除模型网中回路的措施和方法。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 粗糙集理论发展概括

1．2．2 模型库结构及模型集成方法

1．3 本文的主要研究内容

1．4 论文结构

2 粗糙集理论与决策规则

2．1 粗糙集理论基本概念

2．1．1 知识的含义与表示方法

2．1．2 粗糙集

2．1．3 属性核与约简

2．2 决策规则

2．2．1 信息系统中的规则

2．2．2 决策矩阵

2．2．3 从决策矩阵中提取最小规则

2．3 本章小结

3 基于粗集的多知识库及规则度量

3．1 多知识库基本概念

3．2 多知识库的生成方法

3．3 知识库中的规则度量

3．3．1 单一规则度量

3．3．2 规则集度量

3．3．3 度量参数性质分析

3．4 本章小结

4 多知识库模型集成

4．1 模型网及其构造

4．1．1 模型网

4．1．2 模型网的构造

4．2 模型网的化简

4．2．1 针对源数据节点的模型网化简

4．2．2 针对目标节点的模型网化简

4．2．3 针对决策问题的模型网化简

4．3 基于模型网化简的模型集成方法

4．3．1 重复路径与模型集成核的计算

4．3．2 模型集成结果的计算

4．4 模型网中回路

4．4．1 模型网中回路的定义

4．4．2 消除模型网中回路的方法

4．5 本章小结

5 总结与展望

5．1 本文主要工作总结

5．2 展望

参考文献

攻读学位期间主要的研究成果目录

致谢