基于粗糙集的流網(wǎng)絡和決策算法研究.pdf

1、從數(shù)據(jù)集中對對象進行歸納學習和分類是人工智能中很重要的領域，旨在發(fā)現(xiàn)數(shù)據(jù)中隱藏的、未知的、潛在有用的知識，本質(zhì)是在大的數(shù)據(jù)集合中尋找數(shù)據(jù)間的規(guī)則及普遍模式。近幾年來，已經(jīng)研究了很多基于歸納學習的理論，發(fā)展了許多技術來處理不精確的數(shù)據(jù)，其中最成功的是粗糙集理論，它是關于數(shù)據(jù)推理的一個強大的工具，已經(jīng)被成功地應用于機器學習、知識獲取、模式識別和決策支持系統(tǒng)等領域。 粗糙集理論是1982年由波蘭數(shù)學家Z．Pawlak教授提出來的，它是

2、一種處理不完整、不確定信息的新型數(shù)學工具。由于粗糙集理論是利用數(shù)據(jù)集上的等價關系對知識的不確定程度進行度量，而無需提供所需處理的數(shù)據(jù)集合之外的任何先驗信息，這樣就避免了對知識的主觀評價所帶來的誤差。所以利用粗糙集理論進行決策研究具有十分廣泛的應用前景。 屬性約簡和屬性值約簡是利用粗糙集理論從決策表中挖掘決策規(guī)則的基礎，挖掘決策規(guī)則是粗糙集理論的重要研究領域之一。本文根據(jù)條件屬性的重要度和區(qū)分矩陣來進行條件屬性約簡，找出有效約簡。

3、同時定義了決策表的不一致度，并根據(jù)條件屬性重要度來進行屬性值約簡，在保持決策表不一致度不增加的前提下挖掘出決策規(guī)則，該決策規(guī)則集滿足獨立性、覆蓋全域性、可接受性和一致性，即決策規(guī)則集為決策算法。本文還對粗糙集流網(wǎng)絡進行了研究，并將粗糙集流網(wǎng)絡、決策算法和貝葉斯定理結(jié)合了起來，最后構建了基于粗糙集和貝葉斯定理相結(jié)合的風險規(guī)則挖掘模型。 本文主要做了以下工作： (1)研究了粗糙集理論的基本知識，介紹了粗糙集理論的幾個核心概念

4、，提出了條件屬性重要度和決策表不一致度的概念，為以后的屬性約簡和決策算法的挖掘奠定了基礎。 (2)詳細討論了決策算法的性質(zhì)，通過研究發(fā)現(xiàn)，決策算法滿足全概率公式和貝葉斯定理。通過基于粗糙集的貝葉斯公式，只需要計算決策規(guī)則的強度，然后再計算每條決策規(guī)則的置信度和覆蓋度即可，大大簡化了計算的過程。 (3)在區(qū)分矩陣的基礎上，利用條件屬性重要度進行屬性約簡，在保證不改變決策表不一致度的前提下，給出了一種基于粗糙集的決策算法挖掘

5、方法。該方法提取的決策算法是由決策表生成的覆蓋所有對象的最小規(guī)則集。這也是本文的一個創(chuàng)新點。 (4)研究了一種新的決策進程的數(shù)學模型一粗糙集流網(wǎng)絡，整個流網(wǎng)絡就是一個決策算法，流網(wǎng)絡滿足貝葉斯公式，還研究了流網(wǎng)絡的性質(zhì)，并且把分支中強度、置信度和覆蓋度的概念擴展到了路徑和連接當中。 (5)利用粗糙集對數(shù)據(jù)進行約簡，利用貝葉斯定理訓練約簡后的數(shù)據(jù)，將粗糙集理論和貝葉斯定理相結(jié)合，運用到IT項目的風險管理中，構建了基于粗糙集