直觉模糊信息系统的属性约简及DTRS模型

摘要

当今，人类社会的发展日新月异，信息处理技术不断进步。信息系统都呈现出形式多元、规模庞大、结构复杂的特点，各行各业都面临着处理复杂信息系统的问题，特别是对模糊对象信息的处理问题尤为突出。为了提高对模糊对象描述的准确性和客观性，K.T.Atanassov 提出了直觉模糊集的概念，它不仅包含了模糊对象的隶属度，还包含了其非隶属度和犹豫度两个部分，所以直觉模糊集包含模糊对象的信息更完整，更具体。直觉模糊集理论是继Pawlak提出粗糙集理论后又一个处理数据不确定性和模糊问题的工具。自从直觉模糊集理论提出以来，有关的研究与应用颇受海内外学者的关注，其研究成果已被广泛地应用到金融风险分析、信息规则提取、数据挖掘和市场投资预测等众多领域。本文在直觉模糊信息系统的背景下，研究粗糙隶属度以及概率决策理论粗糙集模型。在直觉模糊序信息系统中研究了分布属性约简模型、分配属性约简模型以及相对知识粒度属性约简模型。最后，在多源信息系统的背景下研究了融合后的决策理论粗糙集模型。主要创新点如下：　　1. 在直觉模糊信息系统中，构造模糊等价关系，构成模糊近似空间。在模糊近似空间中重新定义粗糙隶属度，证明了其相关的性质，通过实例验证相关性质的有效性，进一步拓展了不确定度量的研究范围。　　2. 利用直觉模糊集的隶属度和非隶属度构造直觉模糊序关系，建立直觉模糊序决策信息系统。在直觉模糊序决策信息系统中构建三种属性约简模型：（1）利用分布函数和分布辨识矩阵，建立分布属性约简模型；（2）利用分配函数和分配辨识矩阵，建立分配属性约简模型；（3）利用相对知识粒度以及属性的内、外重要度构建属性约简模型。进一步丰富了属性约简理论。　　3. 以直觉模糊信息系统为背景，利用粗糙集的相关理论、贝叶斯决策理论和概率测度，建立基于直觉模糊信息系统的概率决策分析模型、研究了在模糊近似空间和直觉模糊近似空间下信息系统的概率决策粗糙集模型。从而为决策者出一个较为准确的决策方案。　　4. 基于多源信息系统，提出了三种多源融合决策粗糙集方法：条件熵决策融合法（CE-MSD）、决策支持度决策融合法(DS-MSD)和均值决策融合法(M-MSD)。设计了三种相应的算法，验证了所提方法的有效性和可行性。最终，通过对 UCI数据集的实验得到了较好的多源融合决策粗糙集方法。

目录

声明

1 绪论及预备知识

1.1 绪论

1.2 粗糙集理论

1.3 模糊集、直觉模糊集以及直觉模糊信息系统

1.4 模糊近似空间和模糊概率

1.5属性约简和DTRS模型

1.6 主要工作及内容安排

2 直觉模糊信息系统的粗糙隶属度

2.1 直觉模糊信息系统的模糊等价关系

2.2 直觉模糊信息系统的粗糙隶属度及相关性质

2.3 实例验证

2.4 小结

3 直觉模糊序决策信息系统的三种属性约简模型

3.1 直觉模糊序决策信息系统的分布约简模型

3.2 直觉模糊加权序决策信息系统的分配约简模型

3.3 直觉模糊序决策信息系统中基于相对知识粒度的属性约简模型

3.4 小结

4 直觉模糊信息系统的概率DTRS模型

4.1 模糊概率近似空间

4.2 模糊概率近似空间的DTRS模型

4.3 案例分析

4.4 直觉模糊概率近似空间

4.5 直觉模糊概率近似空间的DTRS模型

4.6 案例分析

4.7 小结

5 多源决策信息系统的DTRS模型

5.1 多源决策信息系统

5.2 基于条件熵的多源DTRS模型

5.3 基于决策支持度的多源DTRS模型

5.4 基于均值的多源DTRS模型

5.5 三种多源DTRS模型的对比与分析

5.6 小结

6 结论与展望

致谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果